2025315日 星期

当前位置:首页 > LAMOST望远镜
研究人员基于LAMOST数据搜寻和研究S型星
时间 : 2023-07-17     

近日,国家天文台陈静博士、李荫碧副研究员、罗阿理研究员及合作者基于LAMOST DR10中分辨率光谱数据成功发现2939S型恒星,将已知S型恒星数量翻倍,并构建了目前最大的S型星星表。基于机器学习方法,团队重点研究和解决了是否能够使用中分辨率且没有锝(Tc)线特征的光谱,对S型恒星进行分类以及如何分类的问题,首次成功实现了大量S型恒星的分类,大幅增加了具有内秉和外赋分类标签的S型星数量。这项研究成果为进一步研究S型恒星物理性质和恒星的化学演化奠定基础,具有重要的科学意义。目前,该成果已发表在国际知名期刊《天体物理学报增刊》(2023,ApJS,267,5)。 

中低质量的恒星演化到晚期,会进入渐近巨星支(AGB)阶段。AGB阶段又分为早期AGB阶段和热脉冲AGB阶段,其中热脉冲AGB星阶段会将恒星内部产生的化学元素挖掘到恒星表面,当挖掘的化学元素含量满足一定条件时便产生了S型星。此类恒星光谱上最重要的特征是:具有明显的ZrO分子带,它们的光谱如图1。研究团队在LAMOST DR10的海量光谱中发现了2939S型恒星,这是目前一次性发现S型星数量最多的工作。它们在颜色星等图上的位置如图2,这说明它们确实如理论所预言,正处于富氧的AGB阶段。 

S型恒星又分为内禀和外赋两种:内禀S型星位于热脉冲AGB阶段,它们大气中慢中子俘获过程(s过程)元素含量的增加(增丰)是通过内部挖掘过程实现;外赋S型星处于双星系统中,有一颗白矮星(前身是AGB星)伴星,s过程元素增丰是通过跟伴星物质交换产生。目前,区分内禀和外赋S型恒星最直接和准确的方法是探测光谱中是否存在Tc线,然而这需要高分辨率和高信噪比光谱,这增加了S型恒星分类工作的难度。前人发现的1347S型星中,具有内禀和外赋分类结果的数量很少,极大地限制了S型恒星的进一步研究。  

  

1:从上到下依次为M型星、S型星和碳星光谱,粉色展示了S型星光谱中四个ZrO分子带。   

2WRP, BP-RP-WK, J-K vs. MK颜色星等图。绿色的点代表此次发现的S型星,紫色的点代表文献中的CN型碳星,黑色和蓝色的点分别是文献中的内禀和外赋S型星 

 对于LAMOST数据中发现的2939S型恒星,研究团队首次探索了如何快速有效实现分类的方法,最终确定了基于机器学习算法的两种分类方法,均取得较好的分类准确率。 

第一种方法使用了红外测光数据。研究团队收集了2MASSALLWISEAKARIIRAS四个巡天的测光数据,用它们各种可能的组合来训练机器学习模型,他们发现:同时使用2MASS AKARI IRAS 数据(即“2MASS + AKARI + IRAS”组合)训练的机器学习模型的准确率最高,达到95.52%。研究团队将该模型应用于876颗具有这三个巡天测光数据的S型星,成功将它们分类为381颗内禀和495颗外赋S型星。此外,借鉴机器学习算法,研究团队提出了6个区分内禀和外赋S型恒星的颜色标准,分类准确率达到90%,较前人方法提高约5% - 7% 

第二种方法使用了LAMOST中分辨率光谱。研究团队经过反复实验发现:同时使用LAMOST中分辨率蓝端和红端光谱(全谱)作为输入训练的模型分类准确率最高,达到94.8%。通过分析算法给出的重要性排在前30的输入特征,研究团队从中整理出4个对区分内禀和外赋S型星非常重要的光谱区域(见图3),即Zr INe IIFe I & C I,并发现:外赋S型星在这四个区域的等值宽度系统性高于内禀S型星。研究团队认为:外赋S型恒星经历的热脉冲次数多于内禀S型恒星,这是它们在Zr I线区域等值宽度系统性更高的原因。研究团队再次仅使用这四个光谱特征重新训练模型,使内禀和外赋的分类准确率达到92.1%,尽管略低于使用全谱训练的模型的准确率,但充分说明:这四个区域对区分内禀和外赋S型星的重要性。研究团队将训练好的机器学习模型应用于此次发现的2939S型星,成功对它们进行分类,首次完成对大量S型星进行分类的工作,大幅增加了具有内禀和外赋分类标签的S型星的数量,为S型恒星的后续物理性质的研究奠定了基础。 

3:绿色表示内禀S型星,蓝色表示外赋S型星,横轴是它们在四个谱线区域的等值宽度。 

不同于以往少量具有高分辨率高信噪比观测的S型星的分类,对于数量更多且只有中分辨率光谱观测的S型恒星分类问题,研究团队找到了快速有效的解决方案,对相关领域的研究起到了推动作用。 

论文链接: https://iopscience.iop.org/article/10.3847/1538-4365/acd05b  

版权所有  © 中国科学院
京ICP备05002857号    京公网安备110402500047号      网站标识码bm48000004
地址:北京市三里河路52号   邮编:100864   电话:010-68597929