[論文レビュー] Informing the Cataclysmic Variable Donor Sequence from Gaia DR2 Color-Magnitude and Inferred Variability Metrics

Ellianna S. Abrahams, J. S. Bloom+6 more|arXiv (Cornell University)|Nov 24, 2020

Astronomy and Astrophysical Research参考文献 2被引用数 7

ひとこと要約

本研究では、時間平均された光度測定とアストロメトリーを用いて、Gaia DR2のデータから機械学習モデルを訓練し、変動メトリクスと色-等級図データを用いて、3,253個の短周期系超新星変光星（spCV）候補を同定した。そのうち95％は以前に未知であった。この手法により、時間分解能のない静的Gaiaデータから光度変動を予測し、単調な色-絶対等級図（CMD）-公転周期関係を明らかにした。9/9の新規システムがspCVとして確認され、6つは高い信号対雑音比のおかげでLISAで検出可能と予想される。

ABSTRACT

Short-period cataclysmic variables (spCVs), with orbital periods below the period gap ($P_{orb}$ < 2 hr), offer insight into the evolutionary models of CVs and can serve as strong emitters of gravitational waves (GWs). To identify new spCV candidates, we crossmatch a catalog of known CVs to sources with robust parallaxes in the Gaia second data release (DR2). We uncover and fit an apparently monotonic relationship between the color--absolute-magnitude diagram (CMD) position and $P_{orb}$ of these CVs, revealed in DR2. To supplement this relation, we develop a method for identifying sources with large photometric variability, a characteristic trait of spCVs. Using all available Gaia light curves, we construct a machine-learned regression model to predict variability metrics for sources in the CMD locus of known spCVs based solely on time-averaged covariates present in DR2. Using this approach we identify 3,253 candidate spCVs, of which $\sim$95% are previously unknown. Inspection of archival SDSS spectra of these candidates suggests that $>$82% are likely to be spCVs: a noticeably higher recovery rate than previous light curve searches, which bias toward active systems. We obtain optical spectra of 9 new systems at Lick Observatory and confirm that all objects are CV systems. We measure $P_{orb}$ for 7 systems using archival Gaia and Palomar Transient Factory light curves, 3 of which do not have previous $P_{orb}$ measurements. We use the CMD-$P_{orb}$ relation to infer the detectability of these systems to the upcoming LISA mission, and find that six sources may be coherent LISA verification binaries, with an estimated SNR > 5 in the 4 yr mission. This paper demonstrates that the time-averaged Gaia catalog is a powerful tool in the methodical discovery and characterization of time-varying objects, making it complementary to missions like ZTF, TESS, and the Vera Rubin LSST.

研究の動機と目的

• 時間分解能のない完全な光曲線を欠いたGaia DR2の時間平均アストロメトリーおよび光度測定データを用いて、新しい短周期系超新星変光星（spCV）を発見すること。
• 静的Gaia DR2の共変数から、光度変動メトリクス（IQR'' と MAD''）を予測する機械学習モデルを開発し、時間分解能のないデータからも変動を検出可能にする。
• spCVにおける単調な色-絶対等級図（CMD）-公転周期（P_orb）関係を確立し、候補選定の指針とLISA検出可能性の評価に役立てる。
• スペクトル観測による新規候補の検証と、アーカイブ光曲線を用いた公転周期の測定により、手法の妥当性を検証すること。
• 推定された信号対雑音比に基づいて、新規に発見されたspCVのLISAミッションによる検出可能性を推定すること。

提案手法

• 70分から8時間の公転周期を有する既知のCVのカタログを、パララックスが良好に測定されたGaia DR2源と照合し、spCVに関連するCMD領域を特定した。
• 8つの主要なGaia DR2共変数（フラックス不確実性（σ_f, ε_f）、Gaia色（G, G_BP, G_RP）、スケーリングされたフラックス誤差）を用いて、時間平均光度測定から変動メトリクス（IQR'', MAD''）を予測するランダムフォレスト回帰モデルを開発した。
• 別個のテストセットを必要としないように、アウトオブバッグ（OOB）平均二乗誤差の最小化と5分割交差検証を用いて、モデルの最適化と妥当性評価を実施した。
• 訓練済みモデルを全Gaia DR2カタログに適用し、CMD位置と予測された変動性に基づいて3,253個のspCV候補を同定した。
• Lick天文台のShane望遠鏡を用いた光学スペクトル観測により新規候補の確認を行い、アーカイブのGaiaおよびPalomarTransient Factory光曲線を用いてP_orbを測定した。
• 推定されたCMD–P_orb関係を用いて、確認済みシステムの信号対雑音比（SNR > 5）を推定し、LISA検出可能性を評価した。

実験結果

リサーチクエスチョン

• RQ1 時間平均されたGaia DR2データを用いて、完全な光曲線が得られない状況下でも、系超新星変光星における光度変動を予測できるか？
• RQ2 短周期CVにおいて、CMD位置と公転周期（P_orb）の間に単調な関係が存在するか？ また、その関係は新規候補の同定に利用可能か？
• RQ3 静的Gaia特徴量に基づいて訓練された機械学習モデルを用いた場合、従来の光曲線ベース探索と比較して、spCVの回収率はどの程度か？
• RQ4 推定されたSNRに基づいて、新規に同定された候補のうち何個がLISAミッションで検出可能と予想されるか？
• RQ5 スペクトル観測およびアーカイブ光曲線のフォローアップにより、新規に予測されたspCV候補の性質と公転周期を確認できるか？

主な発見

• 本研究では、時間平均Gaia DR2データと機械学習モデルのみを用いて、3,253個のspCV候補を同定した。そのうち約95％は以前に未知であった。
• モデルは高い回収率を達成した：アーカイブのSDSSスペクトルに基づくと、候補の82％以上が実際にspCVである可能性が高く、従来の光曲線探索で一般的な30％の回収率を大きく上回った。
• 未同定の9系統のシステムについて光学スペクトル観測を実施した結果、すべてがCVとして確認され、そのうち7つで公転周期が測定された。そのうち3つは以前に未知であった。
• 確認済みシステムのうち6つは、4年間のLISAミッションにおけるSNR > 5であると推定され、LISAの検証バイナリ候補として強く有望である。
• CMD–P_orb関係は予想に反って非常に単調であることが判明し、光度測定とアストロメトリーのデータのみから公転周期を信頼性高く予測可能であることが示された。
• 最終モデルの上位8つの特徴量（σ_f, ε_f, Gaia色、スケーリングされたフラックス誤差）が、変動予測の約80％を説明しており、交差検証によるOOB誤差が最小化された。