利用机器学习瞬时预测造父变星与 RR 天琴变星的物理参数
太阳与恒星天体物理
2023-03-27 v1 星系天体物理
摘要
我们提出一种机器学习方法，基于经典脉动星（如 RR 天琴变星和造父变星）的理论与观测光变曲线参数在多波长下的自动比对，估算其物理参数。我们在理论脉动模型上训练人工神经网络（ANNs），以根据周期和光变曲线参数预测造父变星与 RR 天琴变星的基本参数（质量、半径、光度和有效温度）。当考虑光变曲线参数时，这些恒星的基本参数估算精度可提高多达 60%。该方法应用于大麦哲伦云和小麦哲伦云中数百颗造父变星与数千颗 RR 天琴变星的观测，生成了这些恒星的估算质量、半径、光度及其他参数的星表。
引用
@article{arxiv.2303.13692,
title = {Predicting Physical Parameters of Cepheid and RR Lyrae variables in an Instant with Machine Learning},
author = {Anupam Bhardwaj and Earl P. Bellinger and Shashi M. Kanbur and Marcella Marconi},
journal= {arXiv preprint arXiv:2303.13692},
year = {2023}
}
备注
Proceedings of IAU GA Symposium - Machine Learning in Astronomy: Possibilities and Pitfalls, in Busan, South Korea, 2022