基于 SLAM 的恒星光谱工厂(SSF)

在本工作中，我们提出恒星光谱工厂(Stellar Spectra Factory, SSF)，一种由任意恒星大气参数生成基于经验的恒星光谱的工具。给定任意有效温度、表面重力和金属丰度，SSF 可预测相对流量定标的经验光谱。SSF 基于 SLAM 构建插值方法，使用 ATLAS-A 库作为训练数据集。SSF 由 4 个数据驱动子模型组成以预测经验恒星光谱。SSF-N 可生成 A 到 K 型及部分 M 型巨星的光谱，覆盖 3700 < Teff < 8700 K、0 < logg < 6 dex 和 -1.5 < [M/H] < 0.5 dex。SSF-gM 主要用于预测 M 型巨星光谱，对应 3520 < Teff < 4000K 和 -1.5 < [M/H] < 0.4 dex。SSF-dM 用于生成 M 型矮星光谱，对应 3295 < Teff < 4040K、-1.0 < [M/H] < 0.1 dex。SSF-B 可预测 B 型光谱，对应 9000 < Teff < 24000K 和 -5.2 < MG < 1.5 mag。通过将预测光谱的流量与从已知光谱库 MILES 和 MaStar 中选取的相同恒星参数光谱进行比较，验证了预测光谱的精度。预测光谱与 MILES 和 MaStar 中对应光谱在光学波段的流量平均差异小于 5%。进一步通过将预测光谱积分所得星等与 PS1 和 APASS 波段中相同恒星参数的观测值进行比较来验证。预测光谱与测光观测之间未发现显著系统差异。SSF-gM 与 PS1 中选取的相同恒星参数恒星比较时，r 波段不确定度为 0.08mag；SSF-dM 与 APASS 中选取的相同恒星参数恒星比较时，i 波段不确定度达 0.31mag。