[论文解读] 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 7

一句话总结

本研究利用盖亚DR2的时均测光与天体测量数据，通过训练于变光指标和颜色-星等数据的机器学习模型，识别出3,253个短周期激变变星（spCV）候选体——其中95%此前未知。该方法可从静态盖亚数据中预测光度变光，揭示了颜色-绝对星等图（CMD）与轨道周期之间的单调关系，并证实了全部9个新系统的spCV身份，其中6个因信噪比高而可能被LISA探测到。

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.

研究动机与目标

• 利用缺乏完整光曲线的盖亚DR2时均天体测量与测光数据，发现新的短周期激变变星（spCVs）。
• 开发一种机器学习模型，从静态盖亚DR2协变量中预测光度变光指标（IQR'' 和 MAD''），实现在无时间分辨数据下检测变光。
• 建立spCVs的单调颜色-绝对星等图（CMD）-轨道周期（P_orb）关系，以指导候选体筛选并评估LISA可探测性。
• 通过光学光谱确认新识别的候选体，并利用档案光曲线测量轨道周期，验证该方法。
• 基于推断的信噪比，估算新发现spCVs在即将开展的LISA任务中的可探测性。

提出的方法

• 将已知CVs（轨道周期30分钟至8小时）的星表与盖亚DR2中具有良好测量视差的源进行交叉匹配，以识别与spCVs相关的CMD区域。
• 开发一种随机森林回归模型，基于8个关键盖亚DR2协变量——通量不确定性（σ_f, ε_f）、盖亚颜色（G, G_BP, G_RP）以及缩放后的通量误差——从时均测光中预测变光指标（IQR'', MAD''）。
• 使用袋内（OOB）均方误差最小化与5折交叉验证优化并验证模型，无需单独的测试集。
• 将训练好的模型应用于整个盖亚DR2星表，基于CMD位置与预测变光性识别出3,253个spCV候选体。
• 通过李克天文台的谢恩望远镜进行光学光谱确认，并利用档案盖亚与帕洛玛瞬变工厂光曲线测量P_orb。
• 通过推断的CMD–P_orb关系估算信噪比（SNR > 5），评估LISA可探测性。

实验结果

研究问题

• RQ1 能否仅使用时均盖亚DR2数据，在无完整光曲线的情况下预测激变变星的光度变光？
• RQ2 短周期CVs中，CMD位置与轨道周期（P_orb）之间是否存在单调关系？该关系能否用于识别新候选体？
• RQ3 与传统基于光曲线的搜索相比，使用静态盖亚特征训练的机器学习模型在spCVs恢复率方面表现如何？
• RQ4 基于推断的信噪比，新识别的候选体中有多少可能被LISA任务探测到？
• RQ5 光谱与档案光曲线后续观测能否确认新预测的spCV候选体的性质及其轨道周期？

主要发现

• 本研究仅使用时均盖亚DR2数据与机器学习模型，识别出3,253个spCV候选体，其中约95%此前未知。
• 模型恢复率极高：基于档案SDSS光谱，超过82%的候选体极可能为spCVs，显著优于以往光曲线搜索中约30%的典型恢复率。
• 对九个未表征系统的光学光谱观测证实其全为CV，其中七个测得轨道周期，三个此前未知。
• 六个已确认系统被估算在4年LISA任务中SNR > 5，使其成为LISA验证双星的有力候选体。
• CMD–P_orb关系出人意料地单调，仅凭测光与天体测量数据即可可靠预测轨道周期。
• 最终模型的前八大特征——σ_f, ε_f, 盖亚颜色与缩放后的通量误差——解释了约80%的变光预测，且通过交叉验证使OOB误差最小化。