NGC1856：基于机器学习技术从 MUSE 数据中探索星际丰度的细节
星系天体物理
2024-04-26 v2 太阳与恒星天体物理
摘要
我们首次应用 novel 方法——基于数据驱动的机器学习方法，对 MUSE 场数据进行处理，以推导星团的星际丰度。MUSE 已用于覆盖超过 10,000 个观测场，其独特之处在于能够研究密集的星际场，如星系中的星团，为每个单个恒星提供光谱。我们使用 NGC 1856（位于大麦哲伦星系）中的 MUSE 数据，对 327 个星团成员的 individual [Fe/H] 丰度进行测量，并给出 [Mg/Fe]、[Si/Fe]、[Ti/Fe]、[C/Fe]、[Ni/Fe] 和 [Cr/Fe] 丰度（针对子样本集）。我们的结果与文献中对 [Mg/Fe]、[Ti/Fe]、[Ni/Fe] 和 [Cr/Fe] 的测量结果一致。本研究首次推导了该星系的 [Si/Fe] 和 [C/Fe] 丰度。该革命性的整场光谱仪与数据驱动建模的结合将使我们能够更详尽地了解星系中星团的化学富集情况，从而拓展我们对星系演化的理解。
引用
@article{arxiv.2404.15527,
title = {NGC1856: Using machine learning techniques to uncover detailed stellar abundances from MUSE data},
author = {Randa Asa'd and S. Hernandez and Johina M. John and M. Alfaro-Cuello and Z. Wang and A. As'ad and A. Vasini and F. Matteucci},
journal= {arXiv preprint arXiv:2404.15527},
year = {2024}
}
备注
18 pages