GALAH 巡天：利用机器学习分类算法得到的新极贫金属星样本
星系天体物理
2022-08-10 v2 太阳与恒星天体物理
摘要
极贫金属（EMP）星为银河系早期化学增丰提供了宝贵探针。本文利用 GALAH 巡天约 600,000 条高分辨率恒星光谱的大样本，结合机器学习算法，找到了 54 个估计 [Fe/H]~~-3.0 的候选体，其中 6 个 [Fe/H]~~-3.5。我们的样本包含约 的主序 EMP 候选体，对 EMP 巡天而言异常地高。我们发现样本的量星等金属性分布函数与先前使用更复杂选择标准的工作一致。我们提出的方法在应用于下一代大规模恒星光谱巡天时具有显著潜力，后者将把可用光谱数据大幅扩展至数百万恒星。
引用
@article{arxiv.2203.10843,
title = {The GALAH Survey: A New Sample of Extremely Metal-Poor Stars Using A Machine Learning Classification Algorithm},
author = {Arvind C. N. Hughes and Lee R. Spitler and Daniel B. Zucker and Thomas Nordlander and Jeffrey Simpson and Gary S. Da Costa and Yuan-Sen Ting and Chengyuan Li and Joss Bland-Hawthorn and Sven Buder and Andrew R. Casey and Gayandhi M. De Silva and Valentina D'Orazi and Ken C. Freeman and Michael R. Hayden and Janez Kos and Geraint F. Lewis and Jane Lin and Karin Lind and Sarah L. Martell and Katharine J. Schlesinger and Sanjib Sharma and Tomaz Zwitter and The GALAH Collaboration},
journal= {arXiv preprint arXiv:2203.10843},
year = {2022}
}
备注
27 pages, 20 figures, accepted for publication in ApJ, candidate table available at this https://github.com/arvhug/GALAH---TSNE_EMP