白矿星光谱表征的神经后验估计
太阳与恒星天体物理
2025-10-21 v1 天体物理仪器与方法
摘要
白矿星光谱表征正进入大数据时代，光谱表征的白矿星数量预计从约10万增长至30万以上。传统方法如最小二乘拟合和马尔可夫链蒙特卡罗（MCMC）因计算资源不足，在大规模分析中变得昂贵，处理每颗星所需时间从分钟到天不等。此外，这些方法通过要求显式似然函数，本质上限制了模型复杂度，通常只能采用高斯假设。我们提出神经后验估计（NPE），这是一种仿真基于推断技术，通过在仿真光谱上训练的神经网络直接逼近后验分布。我们的方法在 upfront 训练成本后，能在每颗星毫秒级完成准确参数推断，使统计测试其可靠性成为可能。我们在DA、DB和碳大气白矿星上展示NPE的有效性，通过仿真基于校准和随机点测试其准确性。应用到SDSS数据显示，结果与前期研究高度一致，平均情况下有效温度恢复误差为6.8%，表面重力恢复误差为2.1%。我们还对一颗热DQ星（WD 1153+012）进行高分辨率光谱分析，该星拥有碳-氧-氢混合大气。该方法将计算效率与复杂大气模型的灵活性相结合，成为未来观测的理想方法。我们的方法还通过迭代过程整合光谱和光度约束，为白矿星提供全面表征。
引用
@article{arxiv.2510.16261,
title = {Neural Posterior Estimation for White Dwarf Spectroscopic Characterization},
author = {Olivier Vincent and Patrick Dufour and Pierre Bergeron},
journal= {arXiv preprint arXiv:2510.16261},
year = {2025}
}
备注
11 pages, 9 figures