ESTIMATION OF STELLAR PARAMETERS FOR J-PLUS SURVEY WITH MACHINE LEARNING
A quantidade de dados produzidos pelas pesquisas astronômicas atuais e futuras exigirá métodos de processamento mais eficientes para realizar pesquisas científicas que nos levem a descobertas mais interessantes. Um exemplo particular é a identificação de estrelas de metalicidade muito baixa ([Fe/H] <−3,0) que podem nos permitir impor restrições, melhorando nosso entendimento atual da formação e evolução química de nossa Galáxia. Para cumprir este objetivo, apresentamos o pipeline J-PLUS Stellar Parameters Estimation baseado em Ensemble Methods (J-PLUS SPEEM) que é capaz de realizar uma variedade de tarefas, como classificação morfológica e espectral, juntamente com a estimativa dos três principais parâmetros estelares (Teff, [Fe/H] e logg) com erros médios absolutos de 139,2 K, 0,16 e 0,32 dex, respectivamente.
ESTIMATION OF STELLAR PARAMETERS FOR J-PLUS SURVEY WITH MACHINE LEARNING
-
DOI: 10.22533/at.ed.87021180822
-
Palavras-chave: aprendizado de máquina, astronomia, astrofísica, árvores aleatórios, métodos de regressão
-
Keywords: machine learning, astronomy, astrophysics, random forest, regression methods
-
Abstract:
The amount of data produced by the current and future astronomic surveys will require more efficient processing methods to carry out scientific research that leads us to more exciting discoveries. One particular example is the identification of very low-metallicity stars ([Fe/H] < −3.0) that can allow us to imposed constraints improving our current understanding of the formation and chemical evolution of our Galaxy. To accomplish this goal, we present the J-PLUS Stellar Parameters Estimation based on Ensemble Methods (J-PLUS SPEEM) pipeline that is capable of performing a variety of tasks such as morphological and spectral classification along with the estimation of the three main stellar parameters (Teff, [Fe/H] and logg) with absolute mean errors of 139.2 K, 0.16 and 0.32 dex respectively.
-
Número de páginas: 11
- Simone Daflon
- Vinicius Moris Placco
- Carlos Allende-Prieto
- Carlos Andres Galarza Arevalo
