एक स्व-संगत डेटा-चालित मॉडल जो ऑप्टिकल और नियर-इन्फ्रारेड स्पेक्ट्रा से तारे के मापदंडों को निर्धारित करता है

डेटा-चालित मॉडल, जो मशीन लर्निंग का उपयोग करके डेटा की बड़ी मात्रा से भौतिक गुणों का अनुमान लगाते हैं, स्पेक्ट्रा से तारे के गुणों को निकालने के लिए increasingly महत्वपूर्ण हो गए हैं। सामान्यत: इन विधियों को किसी एक तरंगदैर्घ्य शासन या दूसरे में डेटा पर लागू किया गया है। उदाहरण के लिए, APOGEE Net को Sloan Digital Sky Survey (SDSS)–V APOGEE सर्वेक्षण से नियर-IR स्पेक्ट्रा पर लागू किया गया है ताकि सभी तारों के लिए तारे के मापदंडों (T_eff, log g, और Fe/H) का अनुमान लगाया जा सके, जिनका T_eff 3000 से 50,000 K के बीच है, जिसमें प्री-मेन-सीक्वेंस तारे, OB तारे, मेन-सीक्वेंस बौने, और लाल विशाल तारे शामिल हैं। विभिन्न तरंगदैर्घ्य शासन में बड़ी सर्वेक्षणों की बढ़ती संख्या एक साथ कई डेटा सेट से सीखकर डेटा-चालित मॉडलों को सुधारने का अवसर प्रदान करती है। SDSS-V में, तारे के कई स्पेक्ट्रा सिर्फ APOGEE के साथ नियर-IR में नहीं, बल्कि BOSS के साथ ऑप्टिकल शासन में भी देखे जाएंगे। यहाँ, हम एक पूरक मॉडल, BOSS Net, विकसित करने का लक्ष्य रखते हैं, जो लेबल ट्रांसफर के माध्यम से इन ऑप्टिकल डेटा में APOGEE Net के प्रदर्शन की नकल करेगा। हम सफेद बौनों के साथ-साथ भूरे बौनों में विस्तार करके मॉडल को और बेहतर बनाते हैं, जिससे 1700 < log g < 10 के बीच में व्यापक कवरेज सुनिश्चित होता है, ताकि BOSS Net इस मापदंड स्थान के भीतर देखे जाने वाले अधिकांश वस्तुओं के मापदंडों को विश्वसनीय रूप से माप सके। हम नियर-IR शासन में तुलनीय प्रदर्शन प्राप्त करने के लिए APOGEE Net को भी अद्यतन करते हैं। परिणामी मॉडल तारे के विकासवादी राज्यों को मापने के लिए एक मजबूत उपकरण प्रदान करते हैं, और इसके फलस्वरूप, गैलेक्सी के तारे-निर्माण इतिहास की विशेषता का सक्षम बनाते हैं।