基于人工神经网络插值脉动模型网格预测RR Lyrae变星的光变曲线
太阳与恒星天体物理
2023-04-03 v1
摘要
我们提出了一种利用人工神经网络（ANN）生成不同测光波段（ 与 波段）中RRab星的光变曲线的新技术。使用预先计算的模型网格训练ANN，并基于 波段光变曲线调整网络结构。采用性能最优的网络制作 与 波段的终极插值器。训练后的插值器用于预测麦哲伦云中RRab星的光变曲线，并基于消光无关的Wesenheit指数确定了到LMC与SMC的距离。估计距离与文献结果吻合良好。预测与观测的振幅及傅里叶振幅比的比较显示良好一致，但傅里叶相位参数存在若干偏差。为展示插值器的效用，生成了RRab星EZ Cnc的光变曲线，并与Kepler任务观测光变曲线进行比较。所报道的EZ Cnc距离与Gaia EDR3的更新视差测量极为一致。我们的ANN插值器提供了一种快速高效的技术，可为广泛物理参数生成平滑的模型光变曲线网格，而使用恒星脉动代码计算此类网格在计算上代价高昂且耗时。
引用
@article{arxiv.2303.15117,
title = {Predicting light curves of RR Lyrae variables using artificial neural network based interpolation of a grid of pulsation models},
author = {Nitesh Kumar and Anupam Bhardwaj and Harinder P. Singh and Susmita Das and Marcella Marconi and Shashi M. Kanbur and Philippe Prugniel},
journal= {arXiv preprint arXiv:2303.15117},
year = {2023}
}
备注
Accepted for publication in MNRAS