II 型超新星光谱建模 II：面向定量光谱分析的机器学习方法

目前已有数百个公开可用的超新星光谱时间序列。对这些数据的辐射转移建模可揭示此类爆发的物理属性，如组成、密度结构或内禀光度——这对于理解超新星前身星、爆发机制或约束超新星距离极为宝贵。然而，由于问题的高维性加之仍相当可观的计算开销，对可用数据的详细参数研究一直难以实现。我们通过使用机器学习仿真器（即高维插值算法）来解决此问题。这些仿真器利用预先计算的训练数据集来模拟复杂代码的输出，但运行时间缩短数个数量级。我们展示了此类仿真器在 TARDIS 辐射转移代码生成的合成 II 型超新星光谱上的应用。结果表明，仅用 780 条光谱的相对较小训练集，我们便能生成插值不确定度低于百分之一的仿真光谱。我们通过两颗著名 IIP 型超新星的自动光谱拟合展示了该方法的效用；作为一个示例应用，我们利用定制膨胀光球层法从光谱拟合确定了超新星距离。我们将结果与先前研究比较，发现吻合良好。这表明 TARDIS 光谱的仿真很可能可用于对许多暂现源类别进行自动且详细的分析，使大型数据仓库的分析成为可能。