sick：光谱推断工具
天体物理仪器与方法
2016-04-06 v1 太阳与恒星天体物理
摘要
公共和私人天文档案中存在大量光谱数据，却严重未得到充分利用。缺乏可靠的开源工具来分析大量光谱加剧了这一状况，且随着大型巡天相继释放数量级更多的光谱，情况将恶化。在本文中，我介绍sick，一个灵活快速的贝叶斯工具，用于从光谱推断天体物理参数。sick可提供模型参数的最近邻估计、数值优化的点估计，或后验概率分布的完整马尔可夫链蒙特卡洛采样。这种通用性使任何天文学家都能利用已发表的海量合成与观测光谱，并对众多天体物理（及讨厌的）量做出精确推断。模型强度可利用线性多维插值或基于Cannon的模型从现有的合成或观测光谱网格中可靠近似。那些变换数据的附加现象（如红移、转动致宽、连续谱、光谱分辨率）作为自由参数纳入，并可被边缘化消去。异常像素（如宇宙射线或建模不佳区域）可用高斯混合模型处理，并包含噪声模型以解释系统性低估的方差。将这些现象组合成一个标量合理的定量模型，可在噪声数据上以可信的不确定性进行精确推断。对M67恒星的低分辨率、高信噪比光谱使用前向模型，揭示了约0.05 dex量级的原子扩散过程，此前仅能在高分辨率光谱中用差分分析技术测量。[删节]
引用
@article{arxiv.1603.03043,
title = {Sick, the spectroscopic inference crank},
author = {Andrew R Casey},
journal= {arXiv preprint arXiv:1603.03043},
year = {2016}
}
备注
Accepted to ApJS