SDSS-IV MaStar：MaStar 恒星库的数据驱动参数推导

MaNGA 恒星库（MaStar）是一个大型高质量经验恒星光谱集合，旨在覆盖所有光谱类型，并非常适用于在阿帕奇点天文台邻近星系测绘（MaNGA）巡天中观测星系的恒星族分析。该库包含 24,130 颗独特恒星的 59,266 条光谱，光谱分辨率 $R\sim1800$，覆盖波长范围 $3,622-10,354$ \r{A}。在本工作中，我们为库中每条光谱推导五个物理参数：有效温度（$T_{eff}$）、表面重力（$\log g$）、金属丰度（$[Fe/H]$）、微湍流速度（$\log(v_{micro})$）和 alpha 元素丰度（$[\alpha/Fe]$）。这些参数由一个使用神经网络模型的灵活数据驱动算法推导。我们使用 1,675 个同时也被阿帕奇点天文台银河系演化实验（APOGEE）观测过的 MaStar 目标子集训练神经网络，并采用该参考集独立推导的 APOGEE 恒星参数与化学丰度流水线（ASPCAP）参数。对于 APOGEE 训练集代表性不足的参数空间区域（$7,000 \leq T \leq 30,000$ K），我们以理论模型光谱补充。我们给出推导参数，并附不确定性分析以及与文献中其他分析的比较。