北京赛车 >> 新闻动态 >> 科研动态

科研动态

研究人员基于LAMOST数据回归Gaia DR2中恒星的消光

发表日期:2019-12-24来源:放大 缩小

  在二十一世纪的第二个十年,机器学习逐渐成为大数据分析和数据挖掘的主导力量,它从复杂的数据经验中汲取有用信息,并对非经验数据进行有效预测。近期,利用机器学习算法,国家天文台白宇副研究员、刘继峰研究员等利用LAMOST光谱数据,给出了Gaia DR2数据中1.3亿颗恒星的星际消光,研究成果已经被《天文学杂志》(AJ)接收并即将发表。 

  在当代天体物理学,科学技术的进步带来的天文大数据,极大拓展了人类对于银河系的认知,然而,其中最大阻碍之一是,充斥着银河系的星际气体和尘埃。欧洲航天局Gaia太空望远镜释放的二期数据,包含近17亿个天体的基本信息。国际上,已经有多个科研团队,以测光数据为基础,试图给出这些天体的星际消光信息,但是,测光学能够提供的数据量十分有限,得到的结果通常存在偏差。 

  国家重大科技基础设施郭守敬望远镜(LAMOST)巡天已经产出千万量级的天体光谱,每条天体光谱包含数千个数据点,包含的信息是测光数据的几百倍。研究人员通过筛选LAMOSTSDSS的恒星光谱数据库,获得三百余万颗恒星的基本参数。利用恒星大气模型给出这些恒星的本征颜色,与Gaia数据库比较,得到星际消光。采用Gaia内部参数训练回归器,并对1.3亿颗恒星的星际消光给出预测。星表交叉验证的标准偏差为0。01星等,盲测的标准偏差为0.04星等。同时,研究人员把结果与多个消光星表进行比较,发现该结果与其它以光谱数据为基础的星表一致,而与测光数据为基础的星表存在较大偏差。这暗示与测光数据相比,光谱数据包含更多的有用信息,能够更有效描述恒星物理环境,并最终得到更可靠的结果。 

  科研人员有效利用机器学习方法,把光谱数据的信息与Gaia天体测量信息结合在一起,产出大样本恒星消光星表。该成果将可广泛应用于银河系天体物理学研究领域,对深入理解我们的银河系有着重要意义。

 该项研究得到的恒星星等—温度图和星等—颜色图

附件:
秒速时时彩官网 北京赛车高倍率平台 北京赛车高倍率平台 秒速时时彩 秒速时时彩 安徽快3 秒速时时彩 北京赛车营业时间 北京赛车开奖走势图 江苏快3走势