大型光谱调查的机器学习潜力实现
星系天体物理
2025-03-12 v1
摘要
机器学习正在日益在帮助天文学界应对数据分析挑战中发挥作用，尤其是在银河考古学和大规模光谱调查领域。我们present近期在银河光谱调查（Gaia-ESO和Gaia-RVS）中卷积神经网络（CNN）用于星际丰度分析的最新进展。特别是通过结合完整的Gaia数据产品，我们首次利用Gaia-RVS低信噪比光谱对银河盘的[alpha/M]与[M/H]双峰结构进行表征。这一工作对于下一代大规模调查（如MSE、4MOST和WST）具有重要意义。
引用
@article{arxiv.2503.08196,
title = {Realising the potential of large spectroscopic surveys with machine-learning},
author = {G. Guiglion},
journal= {arXiv preprint arXiv:2503.08196},
year = {2025}
}
备注
To appear in the proceedings of IAU Symposium 395 (4 pages, 1 figure); IAU Symposium 395 Proceedings, 2025