[论文解读] Combined APOGEE-GALAH stellar catalogues using the Cannon

Govind Nandakumar, Michael Hayden+22 more|arXiv (Cornell University)|Nov 5, 2020

Stellar, planetary, and galactic studies被引用 5

一句话总结

本论文利用Cannon机器学习方法，将APOGEE与GALAH巡天的恒星星表进行整合，统一了两者的恒星参数与元素丰度。通过在4,418颗共同观测的恒星上进行训练，该方法实现了高精度（金属量误差0.02–0.4 dex，α元素误差0.02–0.03 dex），并利用与Gaia EDR3交叉匹配的数据，支持了银河系中一致的化学动力学研究。

ABSTRACT

APOGEE and GALAH are two high resolution multi-object spectroscopic surveys that provide fundamental stellar parameters and multiple elemental abundance estimates for about half a million stars in the Milky Way. Both surveys observe in different wavelength regimes and use different data reduction pipelines leading to significant offsets and trends in stellar parameters and abundances for the common stars observed in both surveys. Such systematic differences/offsets in stellar parameters and abundances make it difficult to effectively utilise them to investigate Galactic abundance trends in spite of the unique advantage provided by their complementary sky coverage and different Milky Way components they observe. Hence, we use the extit{Cannon} data-driven method selecting a training set of 4418 common stars observed by both surveys. This enables the construction of two catalogues, one with the APOGEE scaled and the other with the GALAH scaled stellar parameters. Using repeat observations in APOGEE and GALAH, we find high precision in metallicity (~ 0.02-0.4 dex) and alpha abundances (~ 0.02-0.03 dex) for spectra with good signal-to-noise ratio (SNR > 80 for APOGEE, SNR > 40 for GALAH). We use open and globular clusters to validate our parameter estimates and find small scatter in metallicity (0.06 dex) and alpha abundances (0.03 dex) in APOGEE scaled case. The final catalogues have been cross matched with the Gaia EDR3 catalogue to enable their use to carry out detailed chemo-dynamic studies of the Milky Way from perspectives of APOGEE and GALAH.

研究动机与目标

• 解决APOGEE与GALAH巡天之间恒星参数与元素丰度的系统性偏差，这些偏差阻碍了联合的化学动力学研究。
• 通过数据驱动方法将两套巡天的参数统一到同一参考系，创建一个统一且一致的恒星星表。
• 利用APOGEE、GALAH与Gaia EDR3的交叉匹配数据，实现对银河系各组成部分（薄盘、厚盘、晕）的高精度分析。
• 通过已知性质的开放星团与球状星团验证Cannon方法估计结果的准确性。
• 提供一个公开可获取的高质量星表，附带数据质量与训练集可靠性标志。

提出的方法

• 使用Cannon方法，在4,418颗同时被APOGEE与GALAH观测的恒星上进行训练，学习其光谱特征与恒星参数之间的映射关系。
• 通过训练集估计恒星参数（Teff, log g, [Fe/H], [α/Fe]），并将其缩放至APOGEE或GALAH的参考系统。
• 优先选择信噪比高于80（APOGEE）和40（GALAH）的光谱，以确保高精度估计。
• 应用质量标志，排除训练集边界外、光谱质量差或管道标签（SME与ASPCAP）不可靠的恒星。
• 最终星表与Gaia EDR3交叉匹配，以包含天体测量与距离信息，支持化学动力学分析。
• 通过开放星团与球状星团进行验证，评估金属量与α元素丰度的离散程度。

实验结果

研究问题

• RQ1 Cannon方法能否有效校正APOGEE与GALAH巡天之间恒星参数与元素丰度的系统性偏差？
• RQ2 在APOGEE-GALAH联合数据上使用Cannon方法，金属量与α元素丰度估计能达到何种精度？
• RQ3 当使用已知金属量与丰度的星团数据进行验证时，Cannon方法的估计结果准确度如何？
• RQ4 训练集对参数空间的覆盖程度在多大程度上限制了缩放后星表的可靠性？
• RQ5 当与Gaia EDR3数据结合时，最终星表在支持银河系盘与晕成分的化学动力学研究方面表现如何？

主要发现

• 对于信噪比高于80（APOGEE）和40（GALAH）的高信噪比光谱，Cannon方法在金属量上的精度约为0.02–0.4 dex，α元素丰度精度为0.02–0.03 dex。
• 在APOGEE缩放的星表中，开放星团与球状星团的金属量离散度为0.06 dex，α元素丰度离散度为0.03 dex，表明具有高度一致性。
• 经过质量筛选与训练集边界过滤后，最终星表包含约170,000颗APOGEE恒星与约280,000颗GALAH恒星，空间覆盖范围良好，涵盖银河系盘与晕。
• 在GALAH缩放情况下，平均金属量误差为0.07 dex，α元素丰度误差为0.06 dex；在APOGEE缩放情况下，平均金属量误差为0.06 dex，α元素丰度误差为0.03 dex。
• 星表已与Gaia EDR3交叉匹配，包含DR2与DR3的源ID，以及Bailer-Jones等人（2021）提供的距离信息。
• 本研究证明，像Cannon这样的机器学习方法能够有效实现跨巡天参数缩放，显著提升大规模银河系考古研究的一致性。