基于LAMOST在Kepler天区中分辨率光谱巡天数据的钡星搜寻与研究
批准号:
11803016
项目类别:
青年科学基金项目
资助金额:
27.0 万元
负责人:
孔晓明
依托单位:
学科分类:
A1502.恒星结构演化和大气、变星双星和多星系统
结题年份:
2021
批准年份:
2018
项目状态:
已结题
项目参与者:
姜斌、赵永健、曲美霞、王文玉、钱西成、胡玉洋
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
微信扫码咨询
中文摘要
钡星是慢中子俘获过程元素超丰的恒星,其增丰的原因被广泛认为是由于遭受到它们的白矮星伴星的前身星在AGB阶段抛射物质的污染。钡星慢中子俘获过程元素丰度的测定可以为AGB星中子俘获核合成的研究提供观测上的约束,同时为更好的理解其对银河系化学增丰所做的贡献提供证据。. 有关钡星的研究已持续近七十年,但是有关钡星的形成机制及演化特性仍未被充分理解且缺乏定论,一个重要原因是钡星、尤其是钡矮星的样本极少,限制了对其深入研究。LAMOST刚刚开始的中分辨率光谱巡天可以为发现更多的钡星提供光谱数据,也为进一步研究钡星的起源与特性提供了条件。本课题的主要工作包括:1. Kepler天区钡星的搜寻与证认;2. 钡巨星与钡矮星性质分析及演化关系研究;3. 双星系统的轨道周期、白矮星伴星质量及偏心率等参数对钡星成因及慢中子俘获过程元素增丰程度的影响。
英文摘要
Barium stars are chemically peculiar stars whose envelopes exhibit overabundance of s-process elements, and the enhancement materials are generally believed to come from the mass transfer from their AGB companions (now WD). Detailed chemical abundances of s-process elements can provide observational constraints for the studies of neutron-capture nucleosynthesis and clues for understanding their contribution to the Galactic chemical enrichment..The studies on barium stars have continued nearly 70 years, but the formation mechanism and evolution properties still are not understood. One important reason is that the number of barium stars, especially barium dwarf stars, is very small, which hinders the study of these stars. The medium-resolution spectra survey of LAMOST will produce massive spectra, which provides data source and good condition for finding more barium stars and further research. The main work of this research includes: 1. Search for and identify the barium stars; 2. Analyze the properties of barium giants and barium dwarfs, and study the relation between them. 3. The influence of the orbital period, the mass of white dwarf and the eccentricity on the origin and the level of s-process overabundance among barium stars.
本课题在研究的初期及中期,投入大量精力研究利用模板匹配方法在LAMOST中分辨率光谱数据中搜寻Ba星候选体。此部分研究内容遇到两个技术性难题,一是Lamost中分光谱波长覆盖范围窄,传统方法难以获取高精度的大气参数。二是合成的模板光谱与高分光谱对比存在较大差异,导致最终测量的元素丰度误差大,不足以可靠地分析s过程元素丰度。模板光谱的问题一直没有得到很好解决的情况下,本课题决定应用机器学习算法,从LAMOST低分辨率光谱中进行Ba星的搜寻以及[Ba/Fe]及[Sr/Fe]丰度预测工作。研究结果包括:(1)研究对比了利用LGBM、SVM、Random Forest、XGBoost、KNN 等机器学习算法从小样本训练集中判别Ba巨星的效果,获得了分类准确率高的模型。(2)在LAMOST Dr8低分辨率巨星光谱中进行Ba巨星的搜寻,利用LGBM算法对找到的Ba巨星样本的 [Sr/Fe]与[Ba/Fe]丰度预测,提供了新的Ba巨星星表。(3)挑选2颗找出来的s过程元素增丰候选体进行高分辨率光谱观测,获得了大气参数及25种元素的丰度分析数据,结果表明搜寻到的候选体确实呈现明显的s 过程元素增丰,但低分光谱因为分辨率低及吸收线的混合等问题,估计的元素丰度值与高分光谱相比存在较大误差。(4)在课题进展不顺利的前中期阶段,指导课题组学生研究了LAMOST低分辨率、低信噪比光谱的大气参数测定以及稀有天体的搜寻等工作。(5)发表SCI论文5篇,1篇已投稿、2篇初稿基本完成。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Rare Object Search From Low-S/N Stellar Spectra in SDSS
从 SDSS 中的低信噪比恒星光谱中搜索稀有天体
DOI:10.1109/access.2020.2983745
发表时间:2020
期刊:IEEE Access
影响因子:3.9
作者:Wu Minglei;Pan Jingchang;Yi Zhenping;Wei Peng
通讯作者:Wei Peng
Spectra-GANs: A New Automated Denoising Method for Low-S/N Stellar Spectra
Spectra-GAN:一种新的低信噪比恒星光谱自动去噪方法
DOI:10.1109/access.2020.3000174
发表时间:2020
期刊:IEEE Access
影响因子:3.9
作者:Minglei Wu;Yude Bu;Jingchang Pan;Zhenping Yi;Xiaoming Kong
通讯作者:Xiaoming Kong
A New Moving Group in the Local Arm
本地部门的新搬迁小组
DOI:10.3847/1538-3881/ab7fa9
发表时间:2020-03
期刊:Astronomical Journal
影响因子:5.3
作者:Liang Xilong;Zhao Jingkun;Chen Yuqin;Fang Xiangsong;Ye Xianhao;Zhang Jiajun;Kong Xiaoming;Zhao Gang
通讯作者:Zhao Gang
Atmospheric parameter measurement of Low-S/N stellar spectra based on deep learning
基于深度学习的低信噪比恒星光谱大气参数测量
DOI:10.1016/j.ijleo.2020.165004
发表时间:2020-09
期刊:Optik
影响因子:3.1
作者:Wu Minglei;Pan Jingchang;Yi Zhenping;Kong Xiaoming;Bu Yude
通讯作者:Bu Yude
DOI:10.3847/1538-4357/ab4c47
发表时间:2018-05
期刊:The Astrophysical Journal
影响因子:--
作者:Yude Bu;Jingjing Zeng;Z. Lei;Z. Yi
通讯作者:Yude Bu;Jingjing Zeng;Z. Lei;Z. Yi
国内基金
海外基金















{{item.name}}会员


