基于神经网络的半接双星测光解轨方法

作者：熊建萍; 刘超; 李蛟; 李春乾; 赵永恒

来源：天文研究与技术, 2023, 20(02): 123-134.

DOI：10.14005/j.cnki.issn1672-7673.20221116.001

• 掩食双星
• 密近双星
• 机器学习
• 数据分析

半接双星（semi-detached binary）对于研究相互作用双星的形成和演化有着重要意义。随着大规模时域巡天时代的到来，预计将发现大量此类天体。针对海量的时域观测数据，需要一种快捷的建模工具对半接双星开展自动化光变曲线分析。基于神经网络构建了半接双星快速测光解轨模型。该模型根据光变曲线和已知的主星温度对半接双星的轨道进行建模，获得其轨道倾角、相对半径、质量比和温度比4个基本参数。结果表明，半接双星神经网络解轨模型能够快速地对一条光变曲线建模。在测光误差小于光变曲线振幅1%时，模型对于轨道倾角接近90°、温度比约为0.6、光变振幅为1.84 mag的半接双星的轨道倾角、相对半径、质量比和温度比的测量误差分别为1.251, 0.004, 0.008和0.003。另外，模型应用在开普勒（Kepler）卫星实测光变曲线的结果表明，模型能够较为准确地对脉动食双星的光变曲线进行建模（拟合度可达0.9以上）。此外，该模型作为一个通用工具可以迁移到不同测光巡天项目上。

• 单位
  中国科学院国家天文台; 中国科学院大学