Las grandes cantidades de datos astrofísicos proporcionados por la instrumentación existente y futura requieren herramientas de análisis eficientes y rápidas.
El aprendizaje por transferencia es una nueva técnica que promete una mayor precisión en los productos de datos derivados, mediante el cual la información de un dominio se transfiere para mejorar la precisión de un modelo de red neuronal en otro dominio.
En este trabajo, demostramos la viabilidad de aplicar el enfoque de aprendizaje de transferencia profunda (DTL) a espectros de alta resolución en el contexto de la determinación de parámetros estelares fotosféricos. Para este propósito, usamos 14 estrellas de la muestra de la encuesta CARMENES con diámetros angulares interferométricos para calcular la temperatura efectiva, así como seis enanas M que son compañeras comunes de movimiento propio de las primarias de tipo FGK con metalicidad conocida. Después de entrenar un modelo de red neuronal de aprendizaje profundo (DL) en espectros sintéticos PHOENIX-ACES, usamos las representaciones de características internas con estas 14+6 estrellas con mediciones de parámetros independientes como nueva entrada para el proceso de transferencia.
Comparamos parámetros estelares derivados de una pequeña muestra de enanas M alejadas de la fase de entrenamiento con resultados de otros métodos en la literatura. Suponiendo que las temperaturas de las luminosidades bolométricas y los rayos interferométricos y las metalicidades de las binarias FGK+M son lo suficientemente precisas, DTL proporciona una mayor precisión que nuestro método DL de última generación anterior (las diferencias absolutas medias mejoran en 20 K para la temperatura y 0,2 dex para Metalicidad DL a DTL relativa a valores de referencia de interferometría y binarios FGK+M). Además, la precisión del aprendizaje automático (interno) de DTL también mejora porque las incertidumbres son cinco veces menores en promedio.
Estos resultados indican que DTL es una herramienta robusta para obtener parámetros estelares de enanas M comparables a los obtenidos a partir de estimaciones independientes para estrellas conocidas.
A. Bello-García, VM Passegger, J. Ordières-Meré, A. Schweitzer, JA Caballero, A. González-Marcos, I. Ribas, A. Reiners, A. Quirrenbach, PJ Amado, VJS Béjar, C. Cifuentes, E. Henning, A. Kaminski, R. Luque, D. Montes, JC Morales, S. Pedraz, HM Tabernero, M. Zechmeister
Materias: Astrofísica solar y estelar (astro-ph.SR); Astrofísica terrestre y planetaria (astro-ph.EP); Instrumentación y Métodos para Astrofísica (astro-ph.IM)
Citar como: arXiv:2304.00224 [astro-ph.SR] (o arXiv:2304.00224v1 [astro-ph.SR] para este lanzamiento)
Historial de envíos
Por: Antonio Bello-García
[v1] Sábado 1 de abril de 2023 04:57:09 UTC (1701 KB)
https://arxiv.org/abs/2304.00224
Astrobiología,
También te puede interesar
-
Astrónomos revelan una nueva e impresionante imagen de un sistema de tres estrellas brillando en el espacio: ScienceAlert
-
Los científicos estudian partículas que viajan más rápido que la luz
-
Agricultura fuera del mundo: cultivos intercalados en Marte
-
La vista infrarroja de la NASA revela secretos del nacimiento de estrellas en los 'pilares de la creación'
-
Los científicos creen haber descubierto de dónde provienen los «extraños círculos de radio»: ScienceAlert