国家天文台利用郭守敬望远镜搜寻热亚矮星获进展

据本报报道，最近，中国科学院国家天文台的博士后研究员卜玉德、雷振新和研究员赵刚提出了一种基于深度学习的热矮星搜索方法。相关结果最近发表在《天体物理学增刊》上。

据了解，热矮星是一种特殊的恒星，其中心是燃烧的氦，并且有非常薄的氢包层。热矮星的形成和性质对恒星物理、球状星团和星系的研究具有重要意义。

已知的热矮星数量相对较少。然而，郭守敬望远镜(LAMOST)具有很强的光谱获取能力，并有潜力搜索大量的热亚矮星。然而，热矮星的传统搜索方法是使用光度数据进行筛选，然后手动检查以确定热矮星候选。由于LAMOST光谱数据中没有一致的光度数据，该方法不适合在LAMOST数据中搜索热矮星。

研究人员提出的最新方法使用一种新的机器学习算法HELM方法对热矮星进行分类。基于现有的热矮星光谱数据，结果表明，该方法对热矮星单星的分类准确率和召回率分别为0.92和0.96，对热矮星双星的分类准确率和召回率分别为0.80和0.71。与其他方法相比，证明了该方法比其他方法具有更高的精度和效率，并且算法所需的计算资源更少，实验运行时间更短。研究人员用这种方法从LAMOST DR4数据中搜索出10，000多种热亚矮星候选。这项研究有望大大增加热亚矮星的样本数量，从而为热亚矮星的后续研究提供高质量的光谱数据。(科尔津)

中国科学新闻(2018-01-10第四版综合)