[논문 리뷰] Spectroscopically Identified Cataclysmic Variables from LAMOST survey. I. The Sample

Wen Hou, A-Li Luo외 2명|arXiv (Cornell University)|2019. 11. 19.

Astrophysical Phenomena and Observations참고 문헌 34인용 수 32

한 줄 요약

이 연구는 LAMOST DR5 설문에서 기계학습(BaggingTopPush 및 Random Forest)을 사용하여 강한 발산선과 넓은 흡수선을 통해 카타스트로픽 변수(CVs)를 탐지함으로써 스펙트로스코피적으로 확인된 245개의 카타스트로픽 변수(CVs) 샘플을 제시한다. 이 중에서 134개는 저항변성, 41개는 신성유사변성, 19개는 자기적 CV이며, 58개의 새로운 CV 발견을 보고한다. LAMOST, SDSS 및 Gaia 데이터 간의 스펙트럼 비교를 통해 잠재기 및 활동기 상태에서의 고유한 광학적 및 스펙트럼적 특징을 규명한다.

ABSTRACT

A sample of Cataclysmic Variables (CVs) is presented including spectroscopically identified 380 spectra of 245 objects, of which 58 CV candidates are new discoveries. The BaggingTopPush and the Random Forest algorithms are applied to the Fifth Data Release (DR5) of LAMOST to retrieve CVs with strong emission lines and with broad absorption lines respectively. Based on spectroscopic classification, 134 dwarf novae, 41 nova-like variables and 19 magnetic CVs are identified from the sample. In addition, 89 high--inclination systems and 33 CVs showing companion stars are recognized and discussed for their distinct spectral characteristics. Comparisons between CVs from LAMOST and from published catalogs are made in spatial and magnitude distribution, and the difference of their locus in Gaia color--absolute magnitude diagram (CaMD) are also investigated. More interestingly, for two dwarf novae observed through LAMOST and SDSS in different epoch, their spectra both in quiescence phase and during outburst are exhibited.

연구 동기 및 목표

• 자동화된 기계학습 기법을 사용하여 LAMOST DR5 스펙트럼 설문에서 카타스트로픽 변수(CVs)를 체계적으로 식별하고 분류하는 것.
• 발산선 및 흡수선 특징을 바탕으로 저항변성, 신성유사변성, 자기적 CV 등의 다양한 CV 하위형의 스펙트럼적 특징을 조사하는 것.
• 기존 카탈로그와의 교차 매칭 및 다시관측 스펙트럼 분석을 통해 신규 CV 후보를 탐지하고 검증하는 것.
• LAMOST로 식별된 CV의 공간 분포, 등급, Gaia 색상-절대 등급(CaMD) 분포를 SDSS 및 CRTS 설문과 비교하는 것.
• 선택된 CV의 다시관측 스펙트럼을 분석하여 잠재기와 활동기 상태 간의 전이를 연구하는 것.

제안 방법

• LAMOST DR5 데이터에 BaggingTopPush 및 Random Forest 기계학습 알고리즘을 적용하여 강한 발산선과 넓은 흡수선을 기반으로 CV 후보를 식별하였다.
• 스펙트럼 분류를 통해 하위형을 할당: 134개의 저항변성(DN), 41개의 신성유사변성(NL), 19개의 자기적 CV(MCV), 186개의 CV는 정확한 하위형 할당이 이루어지지 않았다.
• LAMOST 스펙트럼을 SDSS 및 기타 카탈로그와 교차 매칭하여 식별의 정확성을 검증하고 반복 관측를 탐지하였다.
• 신호 대 잡음비(SNR) 및 스펙트럼 품질을 분석하였으며, 공개 배포 대상이 아닌 23개의 시험 야간 스펙트럼은 제외하였다.
• Gaia 색상-절대 등급(CaMD)도표를 활용하여 LAMOST CV의 분포를 SDSS 및 CRTS와 비교하였다.
• 공통 대상에 대해 LAMOST와 SDSS 데이터 간의 스펙트럼 비교를 수행하였으며, 특히 잠재기 및 활동기 상태에서 관측된 대상에 중점을 두었다.

실험 결과

연구 질문

• RQ1 LAMOST DR5 데이터에서 뚜렷한 스펙트럼적 특징을 보이는 CV를 식별하는 데 기계학습 방법이 얼마나 효과적인가?
• RQ2 LAMOST에서 관측된 다양한 CV 하위형(DN, NL, MCV 등)의 스펙트럼적 특징은 무엇인가?
• RQ3 LAMOST로 식별된 CV의 공간, 등급, Gaia CaMD 분포는 SDSS 및 CRTS 설문과 어떻게 비교되는가?
• RQ4 LAMOST 및 SDSS의 다재관측 스펙트럼을 통해 알려진 CV에서 잠재기와 활동기 상태 간의 전이가 어떻게 드러나는가?
• RQ5 LAMOST로 식별된 CV 중에서 신규 발견된 비율은 얼마이며, 이들의 스펙트럼적 특징은 알려진 시스템과 어떻게 비교되는가?

주요 결과

• 이 연구는 LAMOST DR5의 380개 스펙트럼에서 245개의 CV를 식별하였으며, 이 중 58개는 새로운 발견으로, 134개는 저항변성, 41개는 신성유사변성, 19개는 자기적 CV로 분류되었다.
• VZ Sex 및 V519 Ser와 같은 두 개의 저항변성에서 LAMOST와 SDSS DR14의 스펙트럼 비교를 통해 잠재기에서 활동기 상태로의 명백한 전이가 관측되었다.
• 88개의 CV가 LAMOST에서 여러 차례 관측되었으며, 6개의 물체가 6번 이상 관측되었으며, 특히 잘 알려진 Feige 24(FS Cet)는 흡수선에서 발산선 특징으로의 스펙트럼 진화를 보였다.
• 경사가 높은 시스템 및 동반성우를 보이는 CV의 스펙트럼 특징을 분석하여 발산선 및 흡수선 프로파일의 고유한 특징을 규명하였다.
• LAMOST CV는 SDSS 및 CRTS CV와는 다른 Gaia CaMD도표 상의 위치를 보이며, 거리, 흡수 또는 내재적 성질의 차이를 시사한다.
• 23개의 시험 야간 스펙트럼은 최종 카탈로그에서 제외되었으며, 58개의 물체는 최소 두 번 이상의 스펙트럼을 확보하여 변동성에 대한 시간 도메인 분석이 가능해졌다.