基于 ANN 插值的 NGC 6397 星团中星体物理参数

星体光谱插值是拟合软件中用于推导星体物理参数的关键技术。由于合成星体光谱的计算复杂性和高成本，无法实现即时生成。这项研究旨在开发一个针对合成光谱库的光谱插值器，使用人工神经网络（ANN）。本研究旨在通过自我逆转测试所训练插值器的准确性，随后利用该插值器从基于 Very Large Telescope（VLT）上的 Multi Unit Spectroscopic Explorer（MUSE）获取的光谱中推导 NGC 6397 星团中 1063 颗星体（共 1587 条光谱）的物理参数。本研究中，ANN被训练作为光谱插值器。随后将将训练好的插值器集成到ULySS全光谱拟合软件中，用于提取NGC 6397中1587条1063颗星体的物理参数。训练好的ANN插值器相较于前期研究，在T_eff上实现了31 K的平均差异，在[Fe/H]上实现了0.01 dex的平均差异，精准确定了星体参数。这项研究证明了基于ANN的光谱插值在星体参数确定中的有效性，提供了更快更准确的分析方法。