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

B. Holl, A. Sozzetti+9 more|arXiv (Cornell University)|Jun 11, 2022

Stellar, planetary, and galactic studies被引用 4

一句话总结

本文提出了一种新颖的马尔可夫链蒙特卡洛（MCMC）与遗传算法的应用，用于确定盖亚DR3中1,162个天体的天体测量轨道，识别出从恒星、棕矮星到行星质量范围的伴星。其显著轨道解的验证率达到约16%，展示了盖亚在亚毫角秒精度下探测亚恒星伴星的能力。

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.

研究动机与目标

• 开发并应用稳健的天体测量轨道拟合技术，处理盖亚DR3数据，以探测来自亚恒星伴星的低振幅信号。
• 通过多指标一致性检验（包括径向速度数据和文献天体测量数据）验证轨道解。
• 表征不同质量区间内天体测量轨道解的统计特性与可靠性。
• 通过内部与外部验证手段评估轨道解样本中的误报率。

提出的方法

• 采用包含额外抖动项的12参数开普勒天体测量轨道模型，拟合盖亚DR3的34个月天体测量时间序列数据。
• 使用马尔可夫链蒙特卡洛（MCMC）与遗传算法探索参数空间，识别出最小化归一化卡方（$\chi^2$）的解。
• 在可用的情况下，利用盖亚径向速度测量数据进行显著性检验与内部一致性检查。
• 通过与文献中的径向速度和天体测量数据交叉验证，识别并标记‘已验证’候选体。
• 基于假设主星为太阳质量的伪伴星质量（$\tilde{M}_c$），将解分类为三个质量区间：行星质量（<20 $M_J$）、棕矮星质量（20–120 $M_J$）与低质量恒星质量（>120 $M_J$）。
• 通过多维度验证手段，估计‘OrbitalAlternative’样本的误报率约为5%，‘OrbitalTargetedSearch’样本约为10%。

实验结果

研究问题

• RQ1 MCMC与遗传算法能否在盖亚DR3数据中可靠地恢复亚恒星伴星的天体测量轨道，实现亚毫角秒精度？
• RQ2 盖亚DR3天体测量轨道解中的误报率是多少？如何通过内部与外部一致性检验手段进行量化？
• RQ3 不同质量区间（行星、棕矮星、恒星）的轨道解统计特性有何差异？
• RQ4 盖亚DR3天体测量在多大程度上能够确认或改进已知双星与多星系统的轨道解？
• RQ5 与主‘双星流水线’相比，‘系外行星流水线’在探测低振幅天体测量信号方面有何贡献？

主要发现

• 共从盖亚DR3数据中确定了1,162个天体测量轨道解，经严格内部与外部检查后，198个被标记为‘已验证’。
• 在已验证解中，9个属于行星质量范围（$\tilde{M}_c < 20\,M_J$），29个属于棕矮星范围（20–120 $M_J$），160个属于低质量恒星范围（$\tilde{M}_c > 120\,M_J$）。
• 误报率估计约为5%（‘OrbitalAlternative’样本）与10%（‘OrbitalTargetedSearch’样本），表明验证流水线具有高度可靠性。
• ‘系外行星流水线’成功识别出新的轨道候选体，并确认了已知系统，展示了盖亚DR3在探测行星质量伴星方面的潜力。
• 本研究证实，盖亚DR3能够探测至行星质量范围的伴星，其精度足以分辨亚毫角秒量级的天体测量摆动。
• MCMC与遗传算法的结合在复杂、高维参数空间中表现出色，生成了稳健且一致的轨道解。