SpectroTranslator：一种用于同化光谱参数的深度神经网络算法
星系天体物理
2024-10-02 v1
摘要
大规模光谱巡天的出现要求将其测量的量统一到同一尺度上，以增加其科学遗产。我们开发了SpectroTranslator，一种数据驱动的深度神经网络算法，可以将光谱参数从一个巡天的基准转换到另一个巡天的基准。该算法还包括一种方法来估计各个参数在从基准A到基准B转换中的重要性。作为展示，我们将该算法应用于将有效温度、表面重力、金属丰度、[Mg/Fe]和视线速度从GALAH巡天的基准转换到APOGEE巡天的基准。我们证明了SpectroTranslator算法能够有效地使用巡天团队直接提供的参数将光谱参数从一个基准转换到另一个基准，并且能够达到与先前工作相似的性能，这些先前工作进行了类似类型的转换但使用了全光谱而非光谱参数，从而减少了计算时间，并可以使用为每个巡天优化的流水线输出。通过将转换后的GALAH星表与APOGEE星表相结合，我们研究了[Fe/H]和[Mg/Fe]在银河系中的分布，我们发现这两个量的中值分布在大半径处呈现垂直不对称性。我们将其归因于最近由矮星系穿过盘面或大麦哲伦云下落产生的扰动。尽管仍有几个方面需要改进，特别是如何以最佳方式处理训练样本中恒星稀疏的参数空间区域，但SpectroTranslator已经展示了其能力，并有望在将各种光谱巡天标准化到统一基准方面发挥关键作用。
引用
@article{arxiv.2404.02578,
title = {SpectroTranslator: a deep-neural network algorithm to homogenize spectroscopic parameters},
author = {G. F. Thomas and G. Battaglia and F. Gran and E. Fernandez-Alvar and M. Tsantaki and E. Pancino and V. Hill and G. Kordopatis and C. Gallart and A. Turchi and T. Masseron},
journal= {arXiv preprint arXiv:2404.02578},
year = {2024}
}
备注
27 pages. Submitted to A&A. Webpage related to the paper: https://research.iac.es/proyecto/spectrotranslator/