GALAH巡天：利用自编码器进行光谱建模以表征发射线恒星

我们提出一种神经网络自编码器结构，能够从观测光谱中提取本质的潜光谱特征，并由此特征重建光谱。由于使用一组非特殊光谱进行训练，该网络能够重现不含任何光谱特殊性的高信噪比光谱，即便观测光谱中存在此类特殊性。以这种方式生成的光谱被用于借助英澳望远镜上HERMES光谱仪获取的多个巡天光谱中识别各类发射特征。发射特征通过观测光谱与生成光谱的直接比对来识别。利用所述比对流程，我们发现了10,364条由不同物理机制产生、具有不同程度H$\alpha$/H$\beta$发射成分的候选光谱。其中一部分属于重复观测，显示出其发射轮廓的时间变异性。在发射光谱中，我们发现具有邻近稀薄气体贡献（通过[NII]与[SII]线发射识别）的天体，这见于4004条光谱中，它们并非全被识别为具有H$\alpha$发射。所识别发射线天体的位置与多个已知孕育年轻恒星的区域重合。类似地，探测到的星云发射光谱与红色全天照相合成图中可目视辨明的星云云团相重合。