UOCS. III. 基于机器学习和Gaia EDR3天体测量的开放星团UVIT星表
星系天体物理
2021-02-02 v1 太阳与恒星天体物理
摘要
我们使用搭载于\textit{ASTROSAT}的紫外成像望远镜（UVIT）和\textit{Gaia} EDR3研究六个开放星团（Berkeley 67、King 2、NGC 2420、NGC 2477、NGC 2682和NGC 6940）。我们组合天体测量、测光和系统参数来训练并监督一种机器学习算法，连同高斯混合模型以确定星团成员资格。该技术在各种星团环境中稳健、可复现且通用。本研究中提供了\textit{Gaia} EDR3成员星表，并将六星团中的恒星分类为\texttt{members、candidates}和\texttt{field}。相较于先前研究，我们的方法能额外探测200--2500名成员，这有助于估计平均空间速度、距离、成员数量和核半径。我们还提供了UVIT测光星表，包含蓝离散星、主序星和红巨星。从UV--光学颜色-星等图，我们发现NGC 2682中的大多数源以及NGC 2420、NGC 2477和NGC 6940中的少数源显示出UV流量超出。NGC 2682图像在远紫外中探测到十颗白矮星。大质量星团NGC 2477的远紫外和近紫外图像分别有92和576名\texttt{members}，这将有助于研究扩展转折点和从主序到红团簇各演化阶段恒星的UV性质。未来研究将对本研究中探测到的显著成员进行全色和光谱分析。
引用
@article{arxiv.2101.07122,
title = {UOCS. III. UVIT catalogue of open clusters with machine learning based membership using \textit{Gaia} EDR3 astrometry},
author = {Vikrant V. Jadhav and Clara M. Pennock and Annapurni Subramaniam and Ram Sagar and Prasanta Kumar Nayak},
journal= {arXiv preprint arXiv:2101.07122},
year = {2021}
}
备注
19 figures, 8 tables, submitted in MNRAS, contains additional figures which are not in the published version