基于非常低分辨率光谱和中段滤波器的星体参数：Teff、logg 和 [M/H] 的神经网络方法
天体物理学
2010-10-28 v2
摘要
大型深层调查任务如 GAIA 将收集我们银河系显著部分星体内容的数据。这些任务需要精确优化其观测系统以最大化科学回报，还需要可靠且自动化的技术来对检测到的大量星体进行参数化。为此，我研究了在不同光谱分辨率和信噪比 (SNR) 下，三大星体参数 (Teff、logg、[M/H]) 能被确定的精度。该参数化技术采用神经网络，结果表明该方法能够在较宽的参数范围内提供准确的三维物理参数化。即使在低分辨率 (50-100 Å FWHM) 和 SNR (每个分辨单元为 5-10) 条件下，Teff 和 [M/H] 分别可达到 1% 和 0.2 dex 的精度，适用于温度范围 4000-30000 K 和金属丰度范围 -3.0 到 +1.0 dex 的星体，logg 的测量精度为 ±0.2 dex（仅限太阳以上的星体）。结果的精度可能受限于数据网格中有限的参数取样。中段滤波器系统（10-15 个滤波器）在确定星体参数方面的能力也被研究。虽然在非指向性调查中更容易实现，但仅在 SNR > 50 时才具备竞争力。
引用
@article{arxiv.astro-ph/0003071,
title = {Stellar parameters from very low resolution spectra and medium band filters: Teff, logg and [M/H] using neural networks},
author = {Coryn A. L. Bailer-Jones},
journal= {arXiv preprint arXiv:astro-ph/0003071},
year = {2010}
}
备注
Reference to a filter system ammended (see caption to Table 1) To appear in Astronomy & Astrophysics, 11 pages, 3 figures. Paper also available from http://www.mpia-hd.mpg.de/homes/calj/publications/