Using autoencoders and deep transfer learning to determine the stellar parameters of 286 CARMENES M dwarfs

要約

深層学習 (DL) 技術は、M 個の矮星の恒星のパラメーターを決定するという常に挑戦的な手法に使用される一連の手法の中でも有望なアプローチです。
これに関連して、転移学習は、合成ギャップ (つまり、観測データと合成データの間の特徴分布の違い) に起因する結果の不確実性を軽減する上で重要な役割を果たす可能性があります。
我々は、高解像度スペクトルから恒星のパラメータを決定するための、オートエンコーダーに基づく特徴ベースの深層転移学習 (DTL) アプローチを提案します。
この方法論を使用して、CARMENES 調査で観測された 286 M 矮星の実効温度、表面重力、金属量、および予測回転速度の新しい推定値を提供します。
オートエンコーダアーキテクチャを使用して、合成 PHOENIX-ACES スペクトルを投影し、CARMENES スペクトルを 2 つのドメイン間の差異が低減される低次元の新しい特徴空間に投影しました。
この低次元の新しい特徴空間を畳み込みニューラル ネットワークへの入力として使用し、恒星パラメーターの決定を取得しました。
私たちは、Teff、logg、および [Fe/H] についてそれぞれ 3050 ～ 4300 K、4.7 ～ 5.1 dex、および -0.53 ～ 0.25 dex の範囲の推定恒星パラメーターの広範な分析を実行しました。
私たちの結果は、CARMENES データを使用した最近の研究の結果とほぼ一致していますが、3750 K を超える推定値では、Teff スケールがより高温の値に系統的に偏っています。さらに、私たちの方法論は、合成ギャップによる以前の DL 技術で見られた金属量の偏りを軽減します。
。
私たちは、知識の伝達に伴う高品質の測定を必要とせずに、合成スペクトルから M 矮星の恒星のパラメータを決定するための DTL ベースの方法論を統合しました。
これらの結果は、観測結果と PHOENIX-ACES スペクトルの間の特徴分布の差異を軽減する DTL の大きな可能性を示唆しています。

要約(オリジナル)

Deep learning (DL) techniques are a promising approach among the set of methods used in the ever-challenging determination of stellar parameters in M dwarfs. In this context, transfer learning could play an important role in mitigating uncertainties in the results due to the synthetic gap (i.e. difference in feature distributions between observed and synthetic data). We propose a feature-based deep transfer learning (DTL) approach based on autoencoders to determine stellar parameters from high-resolution spectra. Using this methodology, we provide new estimations for the effective temperature, surface gravity, metallicity, and projected rotational velocity for 286 M dwarfs observed by the CARMENES survey. Using autoencoder architectures, we projected synthetic PHOENIX-ACES spectra and observed CARMENES spectra onto a new feature space of lower dimensionality in which the differences between the two domains are reduced. We used this low-dimensional new feature space as input for a convolutional neural network to obtain the stellar parameter determinations. We performed an extensive analysis of our estimated stellar parameters, ranging from 3050 to 4300 K, 4.7 to 5.1 dex, and -0.53 to 0.25 dex for Teff, logg, and [Fe/H], respectively. Our results are broadly consistent with those of recent studies using CARMENES data, with a systematic deviation in our Teff scale towards hotter values for estimations above 3750 K. Furthermore, our methodology mitigates the deviations in metallicity found in previous DL techniques due to the synthetic gap. We consolidated a DTL-based methodology to determine stellar parameters in M dwarfs from synthetic spectra, with no need for high-quality measurements involved in the knowledge transfer. These results suggest the great potential of DTL to mitigate the differences in feature distributions between the observations and the PHOENIX-ACES spectra.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google