高斯过程究竟能告诉我们关于超新星光曲线的什么？对II(b)型形态与谱系的影响

机器学习已在天文学中广泛使用。特别是高斯过程（GP）回归已被多次用于拟合或重采样超新星（SN）光曲线，但就其性质而言，典型的GP模型并不适合拟合SN测光数据，并且容易出现过拟合。最近，GP重采样被用于研究II型和IIb型SN的形态，发现它们在四个参数上明显不同：上升时间（t$_{\rm rise}$）、爆炸后40天与30天之间的星等差（$\Delta m_{\rm 40-30}$）、一阶导数的最早极大（峰后）（dm1）和二阶导数的极小（dm2）。在此，我们仔细审视GP回归及其在SN光曲线背景下的局限性，并讨论这些特定参数的不确定性，发现dm1和dm2不能给出可靠的天体物理信息。我们确实重现了t$_{\rm rise}$--$\Delta m_{\rm 40-30}$空间中的聚类，尽管不如先前呈现的那样分明。准确填充t$_{\rm rise}$--$\Delta m_{\rm 40-30}$空间的最佳策略将是使用扩展的高质量光曲线样本（如ATLAS暂现源巡天中的那些）和分析拟合方法。最后，利用BPASS基准模型，我们预测未来的测光研究将揭示IIb型和II型光曲线形态的清晰聚类，并伴随一个明显的过渡事件连续谱。