多多益善：基于五维恒星网格对开普勒矮星进行网格化建模

我们展示了利用包含全球星震学参数的网格化建模（GBM）对开普勒观测的矮星/亚巨星样本进行研究的初步结果。本工作中的 GBM 分析基于一个大型恒星模型网格，该网格由五个独立参数表征：模型质量和年龄、初始金属丰度（$\zini$）、初始氦丰度（$\yini$）以及混合长参数（$\alpha_{mlt}$）。使用此网格放宽了以往所有 GBM 工作中使用的假设，即初始成分由单一参数确定且 $\alpha_{mlt}$ 固定为太阳校准值。新网格使我们能够研究，例如，不同星系化学增丰模型对恒星参数（如质量、半径和年龄）确定的影响。同时，它允许以简单方式将关于 $\alpha_{mlt}$ 的恒星大气模型新结果纳入 GBM 分析。或者，可以检验全球星震学是否是约束我们对诸如 $\yini$ 和 $\alpha_{mlt}$ 等量无知的有用工具。初步发现表明，质量测定对于后几个量的自由度是稳健的，在关于 $\yini-\zini$ 关系和 $\alpha_{mlt}$ 的先验信息极端假设下，最大偏差为 4.4%。另一方面，迄今进行的测试似乎表明，在不借助额外信息的情况下，全球星震学并没有太大能力来约束 $\yini-\zini$ 关系或 $\alpha_{mlt}$ 的值。