[논문 리뷰] Gaia DR3 astrometric orbit determination with Markov Chain Monte Carlo and Genetic Algorithms. Systems with stellar, substellar, and planetary mass companions

B. Holl, A. Sozzetti외 9명|arXiv (Cornell University)|2022. 06. 11.

Stellar, planetary, and galactic studies인용 수 4

한 줄 요약

이 논문은 가시성 천체역학 궤도를 결정하기 위해 마르코프 체인 몬테카를로(MCMC) 및 유전 알고리즘을 신뢰할 수 있는 방법으로 적용하여, 가이아 DR3의 1,162개 천체에서 행성질량, 백색왜성질량, 항성질량 범주에 걸친 연성체를 식별한다. 유의미한 궤도 해법에 대해 약 16%의 검증률을 달성하며, 가이아가 밑밀리초각 이하 정밀도로 행성질량 보조체를 탐지할 수 있음을 입증한다.

ABSTRACT

Astrometric discovery of sub-stellar mass companions orbiting stars is exceedingly hard due to the required sub-milliarcsecond precision, limiting the application of this technique to only a few instruments on a target-per-target basis as well as the global astrometry space missions Hipparcos and Gaia. The third Gaia data release includes the first Gaia astrometric orbital solutions, whose sensitivity in terms of estimated companion mass extends down into the planetary-mass regime. We present the contribution of the `exoplanet pipeline' to the Gaia DR3 sample of astrometric orbital solutions by describing the methods used for fitting the orbits, the identification of significant solutions, and their validation. We then present an overview of the statistical properties of the solution parameters. Using both a Markov Chain Monte Carlo and Genetic Algorithm we fit the 34 months of Gaia DR3 astrometric time series with a single Keplerian astrometric-orbit model. Verification and validation steps are taken using significance tests, internal consistency checks using the Gaia radial velocity measurements (when available), as well as literature radial velocity and astrometric data, leading to a subset of candidates that are labelled as 'validated'. We determined astrometric-orbit solutions for 1162 sources and 198 solutions have been assigned the 'validated' label. Precise companion mass estimates are presented elsewhere. From internal and external verification and validation we estimate the level of spurious/incorrect solutions in our sample to be of the order of ~5-10% in our non-'validated' candidate samples. We demonstrate that Gaia is able to confirm and sometimes refine known orbital companion orbits as well as identify new candidates, providing us with a positive outlook of the expected harvest from the full mission data in future data releases.

연구 동기 및 목표

• 가이아 DR3 데이터에 대해 강력한 천체역학 궤도 피팅 기법을 개발하고 적용하여, 행성질량 보조체에서 발생하는 낮은 진폭의 신호를 탐지한다.
• 반사속도 데이터 및 문헌 천체역학 자료를 포함한 다중 지표 일致성 검사를 통해 궤도 해법을 검증한다.
• 다양한 질량 범주에서 천체역학 궤도 해법의 통계적 성질과 신뢰성을 특성화한다.
• 내부 및 외부 검증을 통해 궤도 해법 샘플의 가짜 긍정 비율을 평가한다.

제안 방법

• 34개월에 걸친 가이아 DR3 천체역학 시계열 데이터를 피팅하기 위해 12개 매개변수의 케플러 궤도 모델에 추가로 잡음 항목(jitter term)을 포함시켰다.
• 매개변수 공간 탐색을 위해 마르코프 체인 몬테카를로(MCMC) 및 유전 알고리즘을 사용하여 최소화된 자유도 조정 카이제곱($\chi^2$)을 갖는 해법을 식별했다.
• 가용한 가이아 반사속도 측정값을 활용하여 뜻 밖의 유의성 검사와 내부 일치성 검사를 실시했다.
• 문헌 반사속도 및 천체역학 자료와의 교차 검증을 통해 '검증된' 후보를 식별하고 레이블링했다.
• 태양질량의 주성체를 가정할 때, 가짜 연성체 질량($\tilde{M}_c$)을 사용하여 해법을 세 가지 질량 범주로 분류했다: 행성질량(<20 $M_J$), 백색왜성질량(20–120 $M_J$), 저질량 항성질량(>120 $M_J$).
• 다층적 검증을 통해 'OrbitalAlternative' 샘플의 가짜 긍정 비율을 약 5%로, 'OrbitalTargetedSearch' 샘플의 경우 약 10%로 추정하였다.

실험 결과

연구 질문

• RQ1 가이아 DR3 데이터에서 마르코프 체인 몬테카를로(MCMC) 및 유전 알고리즘이 밑밀리초각 이하 정밀도로 행성질량 보조체의 천체역학 궤도를 신뢰성 있게 복원할 수 있는가?
• RQ2 가이아 DR3 천체역학 궤도 해법의 가짜 긍정 비율은 얼마이며, 내부 및 외부 일치성 검사를 통해 어떻게 정량화할 수 있는가?
• RQ3 행성질량, 백색왜성질량, 항성질량 범주 간에 궤도 해법의 통계적 성질은 어떻게 달라지는가?
• RQ4 가이아 DR3 천체역학 자료는 이중성 및 다중성 시스템의 기존 궤도 해법을 어느 정도 확인하거나 개선할 수 있는가?
• RQ5 외계행성 파ip라인은 주 이중성 파이프라인에 비해 낮은 진폭의 천체역학 신호 탐지에 기여하는 정도는 어느 정도인가?

주요 결과

• 총 1,162개의 천체역학 궤도 해법이 가이아 DR3 데이터에서 결정되었으며, 엄격한 내부 및 외부 검증을 거친 후 198개가 '검증됨'으로 레이블링되었다.
• 검증된 해법 중 9개는 행성질량 범주($\tilde{M}_c < 20\,M_J$)에 속했고, 29개는 백색왜성질량 범주(20–120 $M_J$)에 속했으며, 160개는 저질량 항성질량 범주($\tilde{M}_c > 120\,M_J$)에 속했다.
• 가짜 긍정 비율은 'OrbitalAlternative' 샘플에서 약 5%, 'OrbitalTargetedSearch' 샘플에서 약 10%로 추정되어 검증 파이프라인의 높은 신뢰성을 시사한다.
• '외계행성 파이프라인'은 새로운 궤도 후보를 성공적으로 식별했고, 기존 시스템을 확인함으로써 가이아 DR3가 행성질량 보조체를 탐지할 잠재력을 보여주었다.
• 이 연구는 가이아 DR3가 행성질량 범주까지의 보조체를 탐지할 수 있으며, 밑밀리초각 수준의 천체역학 왜지(wobble)를 해상도 해낼 수 있는 정밀도를 제공함을 확인한다.
• MCMC와 유전 알고리즘의 조합은 복잡하고 고차원적인 매개변수 공간을 효과적으로 탐색하여 강력하고 일관된 궤도 해법을 도출하는 데 성공했다.