光学学报 丨 2024-01-11
分布式光纤传感技术研究和应用的现状及未来中国激光 丨 2024-01-24
光量子精密测量研究进展(特邀)光学学报 丨 2024-02-23
水下轨道角动量光通信中国激光 丨 2024-01-24
超构表面:设计原理与应用挑战(特邀)激光与光电子学进展 丨 2024-01-29
窄线宽激光技术研究进展(特邀)近日,中科院国家天文台博士后卜育德、雷振新与研究员赵刚提出了基于深度学习的热亚矮星搜寻方法。相关成果日前发表于《天体物理学报增刊》。
据了解,热亚矮星是一类中心正在进行氦燃烧并且具有很薄氢包层的特殊恒星。热亚矮星的形成及其性质对于研究恒星物理学、球状星团和星系具有重要意义。
目前已知的热亚矮星数量较少。而郭守敬望远镜(LAMOST)具有强大的光谱获取能力,具备搜寻大量热亚矮星的潜力。不过,热亚矮星的传统搜寻方法是使用测光数据进行筛选,然后人工检查以确定热亚矮星候选体。由于LAMOST光谱数据没有一致的测光数据,因此该方法并不适用于在LAMOST数据中搜寻热亚矮星。
研究人员提出的最新方法使用一种新的机器学习算法HELM方法对热亚矮星进行分类。基于已有的热亚矮星光谱数据进行测试,结果显示该方法对热亚矮星单星的分类准确率和召回率分别为0.92和0.96,对热亚矮星双星的准确率和召回率分别是0.80和0.71。通过与其他方法的比较,证实该方法具有比其他方法更高的准确率和效率,且该算法对计算资源要求较低,实验运行时间较短。研究者利用该方法从LAMOST DR4数据中,搜寻出10000多个热亚矮星候选体。该研究有望极大扩展热亚矮星样本数量,可为后续热亚矮星的研究提供高质量的光谱数据。
来源:中国科学报