천문·천체물리
머신러닝으로 DESI DR1 분광 320만 개의 항성 변수·원소 함량 측정
연구팀은 암흑에너지 분광장비(DESI)로 관측한 항성 분광을 분석하기 위해 페인(Payne) 프레임워크 기반 머신러닝 파이프라인을 구축했다. FGK형 항성을 포괄하는 약 37만 개의 합성 분광으로 인공신경망을 학습시킨 뒤, DESI 공식 항성 변수(SP) 파이프라인처럼 연속 스펙트럼으로 정규화한 분광에 맞추는 대신 플럭스 보정된 비정규화 분광에너지분포(SED)에 직접 맞췄다. DESI로 관측된 APOGEE 항성 6,719개와 GALAH 항성 3,455개(S/N > 20) 교차 표본 검증에서 유효온도와 표면중력을 DESI SP 파이프라인보다 작은 계통오차로 복원했으며, 이를 전체 SED 형태를 맞춘 결과로 해석했다. 또한 12종 원소(Na, Mg, Al, Si, Ca, Ti, V, Cr, Mn, Ni, Ba, Y) 함량을 SP와 같거나 더 높은 정확도로 복원하고, SP가 제공하지 않는 Mn·V·Ba·Y 4종도 추가했다. 이 파이프라인을 DESI 데이터 릴리스 1(DR1) 항성 표본에 적용해 320만 개 항성의 변수·함량 목록을 공개했다.
arXiv astro-ph.GA (은하)