GALAH — Estrelas de Linhas de Emissão

Em resumo

Apresenta autoencoder neural que extrai características latentes de espectros e reconstrói o espectro; treinado com espectros ‘não-peculiares’, identifica emissões comparando observado vs gerado.

\vC, otar, Klemen. (2021)

Síntese

Apresenta autoencoder neural que extrai características latentes de espectros e reconstrói o espectro; treinado com espectros ‘não-peculiares’, identifica emissões comparando observado vs gerado. Descobriu 10.364 candidatos com emissão Hα/Hβ no HERMES. Outro exemplo de autoencoder para detectar peculiaridades espectrais — direto ao seu método de anomalias.

Ver artigo original

Citação

@ARTICLE{otar2021,
       author = {{{\v{C}}otar}, Klemen and {Zwitter}, Toma{\v{z}} and {Traven}, Gregor and {Bland-Hawthorn}, Joss and {Buder}, Sven and {Hayden}, Michael R. and {Kos}, Janez and {Lewis}, Geraint F. and {Martell}, Sarah L. and {Nordlander}, Thomas and {Stello}, Dennis and {Horner}, Jonathan and {Ting}, Yuan-Sen and {{\v{Z}}erjal}, Maru{\v{s}}a and {Galah Collaboration}},
        title = "{The GALAH survey: characterization of emission-line stars with spectral modelling using autoencoders}",
      journal = {\mnras},
     keywords = {line: profiles, methods: data analysis, catalogues, stars: activity, stars: emission line, Be, stars: peculiar, Astrophysics - Solar and Stellar Astrophysics, Astrophysics - Astrophysics of Galaxies, Astrophysics - Instrumentation and Methods for Astrophysics, Physics - Data Analysis, Statistics and Probability},
         year = 2021,
        month = jan,
       volume = {500},
       number = {4},
        pages = {4849-4865},
          doi = {10.1093/mnras/staa2524},
archivePrefix = {arXiv},
       eprint = {2006.03062},
 primaryClass = {astro-ph.SR},
       adsurl = {https://ui.adsabs.harvard.edu/abs/2021MNRAS.500.4849C},
      adsnote = {Provided by the SAO/NASA Astrophysics Data System}
}