.png){kind=icon}
返回
A Multiple-detection-heads Machine Learning Algorithm for Detecting White Dwarfs
.png){kind=icon}
OA
AI
DOI：10.3847/1538-4365/ad97b8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
白矮星（WDs）是银河系中约97%恒星的最终演化阶段，对于研究恒星演化和星系结构至关重要。由于其体积小、光度低，WDs不易被观测到。传统搜索方法主要依赖分析测光参数，需要高质量数据。近年来，机器学习在天文数据挖掘中发挥了重要作用，因其速度快、实时性强且精度高。然而，我们发现了两个常见问题。一方面，许多研究基于高质量光谱数据，而大量图像数据未被充分利用；另一方面，现有天文算法本质上是分类算法，样本不完整性是其关键弱点。在本研究中，我们提出了WD网络（WDNet）算法，这是一种集成多种先进技术的新型目标检测算法，可直接在图像中定位WDs。WDNet克服了WDs的退化问题，在80,448张图像中检测到31,065个候选体。这些候选体类型多样，包括DA、DB、DC、DQ和DZ，表面重力在7.8 dex至8.4 dex之间，有效温度在10,000 K至56,000 K之间，颜色在-1 < u - g < 1和-0.8 < g - r < 0.4之间，修正自行在20至35 mag之间。未来，WDNet将利用中国空间站望远镜和斯隆数字巡天V项目进行大规模搜索。
Keyword:
OBJECT DETECTION
CARBON STARS
DATA RELEASE
MASS
CATALOG
SEARCH
IMAGES
MODEL
DISC
期刊
IF:
8.5
论文数:
5.7K
被引数:
4.2W
机构
暂无机构信息
引用论文
Estimation of Stellar Atmospheric Parameters with Light Gradient Boosting Machine Algorithm and Principal Component Analysis.png)
ASTRONOMICAL JOURNALOAAI
ASTRONOMICAL JOURNALIF5.1
OAAI分享收藏
查看更多内容