热亚光谱星和双星系统的变率：基于 Gaia DR3 多时段光度的机器学习分析
机器学习
2025-07-14 v2
摘要
热亚光谱星代表一种被剥离和演化的红巨星群体，位于极端水平支上。由于它们因脉冲或双星相互作用而表现出广泛的变率，揭示其固有和外在变率对于理解其形成的物理过程至关重要。在 Hertzsprung-Russell 图中，它们与相互作用双星系统如猫太空变量 (CV) 重叠。利用最新的聚类算法工具，我们使用 Gaia DR3 多时段光度和 Transiting Exoplanet Survey Satellite (TESS) 观测的数据，调查 1,576 例候选热亚光谱变星的变率。我们提出一种新方法，使用 t 分布随机邻居嵌入和 uniform manifold approximation and projection (UMAP) 降维算法来 facilitate 识别和分类大数据集中不同热亚光谱星系和 CV 的不同 population。除了公开的 Gaia 时间序列统计表外，我们采用额外的统计特征来增强算法性能。聚类结果导致基于 Gaia 和 TESS 光循环识别 85 个新的热亚光谱变星，以及仅基于 Gaia 光循环的 108 个新的变星，包括反射效应系统、HW Vir、椭圆变星和高�幅脉冲变星。已知 CVs (140) 在 2D 特征空间中显著聚类，另外还有 152 个我们认为是新的 CV 候选对象。这项研究为更有效地和全面的分析来自地面和太空观测的星体变率，以及在大型调查中应用机器学习分类候选变星提供了道路。
引用
@article{arxiv.2411.18607,
title = {Task Arithmetic Through The Lens Of One-Shot Federated Learning},
author = {Zhixu Silvia Tao and Ian Mason and Sanjeev Kulkarni and Xavier Boix},
journal= {arXiv preprint arXiv:2411.18607},
year = {2025}
}
备注
Published in Transactions on Machine Learning Research