[论文解读] The SAPP pipeline for the determination of stellar abundances and atmospheric parameters of stars in the core program of the PLATO mission

Matthew Raymond Gent, M. Bergemann+20 more|arXiv (Cornell University)|Nov 12, 2021

Stellar, planetary, and galactic studies参考文献 151被引用 27

一句话总结

SAPP流程利用贝叶斯推断确定PLATO任务核心计划中恒星的恒星大气参数——有效温度、表面重力、金属量和化学丰度。通过结合光谱学、光度学、视差和星震学数据，该方法实现了高精度结果，典型不确定度为Teff的±37 K和[Fe/H]的±0.02 dex，有效解决了参数退化问题，尤其针对F型星效果显著。

ABSTRACT

We introduce the SAPP (Stellar Abundances and atmospheric Parameters Pipeline), the prototype of the code that will be used to determine parameters of stars observed within the core program of the PLATO space mission. The pipeline is based on the Bayesian inference and provides effective temperature, surface gravity, metallicity, chemical abundances, and luminosity. The code in its more general version can have a much wider range of applications. It can also provide masses, ages, and radii of stars and can be used for stars of stellar types not targeted by the PLATO core program, such as red giants. We validate the code on a set of 27 benchmark stars that includes 19 FGK-type dwarfs, 6 GK-type sub-giants, and 2 red giants. Our results suggest that combining various observables is the optimal approach, as it allows to break degeneracies between different parameters and yields more accurate values of stellar parameters and more realistic uncertainties. For the PLATO core sample, we obtain a typical uncertainty of 27 ($ m{syst.}$) $\pm$ 37 ($ m{stat.}$) K for T$_{ m{eff}}$, 0.00 $\pm$ 0.01 dex for log$g$, 0.02 $\pm$ 0.02 dex for metallicity [Fe/H], -0.01 $\pm$ 0.03 R$_\odot$ for radii, -0.01 $\pm$ 0.05 M$_\odot$ for stellar masses, and -0.14 $\pm$ 0.63 Gyrs for ages. We also show that the best results are obtained by combining the $ u_{max}$ scaling relation and stellar spectra. This resolves the notorious problem of degeneracies, which is particularly important for F-type stars.

研究动机与目标

• 为PLATO任务核心计划开发一个稳健、可扩展的流程，以准确推导恒星大气参数。
• 解决限制恒星表征精度的参数退化问题，特别是Teff、log g和[Fe/H]之间的退化。
• 将多种数据类型（光谱、光度、视差、星震学）整合进统一的贝叶斯框架。
• 将流程的适用范围扩展至PLATO目标之外，涵盖低质量恒星和演化星如红巨星。
• 实现Teff和[Fe/H]的不确定度低于1%，与高分辨率光谱巡天（如4MOST和WEAVE）保持一致。

提出的方法

• 采用贝叶斯推断，结合多种观测量：高分辨率恒星光谱、盖亚视差、光度数据以及星震学约束（如νmax标度关系）。
• 使用分层贝叶斯模型，结合恒星演化轨迹，在一致框架中同时推断质量、半径、年龄和光度。
• 将基于ATLAS和MARCS模型大气计算的合成光谱与实测光谱通过χ²最小化方法整合到似然函数中。
• 通过误差的平方和组合实现系统误差与统计误差的传播，系统误差分量基于基准恒星获得。
• 利用马尔可夫链蒙特卡洛（MCMC）采样探索参数的完整后验分布，并推导可信区间。
• 在27颗基准恒星样本上验证流程，包括FGK主序星、GK亚巨星和红巨星，以独立文献值作为参考。

实验结果

研究问题

• RQ1 能否通过整合光谱学、光度学、视差和星震学的统一贝叶斯框架，显著提升恒星大气参数的精度与准确性？
• RQ2 不同观测量组合如何影响参数退化问题的解决，特别是针对F型星？
• RQ3 SAPP流程在推导恒星质量、半径和年龄方面，其可靠性达到何种程度，与基本参数并行？
• RQ4 当结合高质量光谱与多任务数据时，Teff和[Fe/H]的不确定度可达到何种水平？
• RQ5 该流程在多样化恒星类型（包括红巨星等演化星）上的表现如何？

主要发现

• SAPP流程对有效温度（Teff）的典型不确定度为27(系统.) ± 37(统计.) K，达到高精度恒星表征的1%目标。
• 对于金属量[Fe/H]，流程精度达到0.02 ± 0.02 dex，系统不确定度主要来自光谱定标。
• 表面重力（log g）的典型不确定度为0.01 dex，表明在基准样本中具有高度一致性。
• 恒星半径和质量的恢复不确定度分别为−0.01 ± 0.03 R⊙和−0.01 ± 0.05 M⊙，表明对演化星具有稳健性能。
• 年龄的典型不确定度为−0.14 ± 0.63 Gyr，表明引入星震学约束可提升年龄精度。
• νmax标度关系与恒星光谱的结合产生最准确的结果，有效打破了单独方法常面临的退化问题，尤其对F型星效果显著。