(相关资料图)

科技日报记者 赵汉斌

记者23日从中国科学院云南天文台获悉，该台丁旭博士、季凯帆研究员和中国科学技术大学博士后李旭志等，近期利用机器学习的方法，快速得到相接双星的参数和误差。相关研究成果在线发表于国际天文学杂志《天文学期刊》。

相接双星是两颗子星均充满洛希瓣的强相互作用双星系统，其子星周围存在一个公共包层。目前的威尔逊－德文尼或者菲比程序，对一个目标的解轨时间长达数小时及数天的时间。随着数以万计的相接双星光变曲线的释放，采用此方法进行批量解轨，很不现实。因此针对这种海量的光变曲线，需要一种快速解轨的方法。

研究示意图。云南天文台供图

科研人员首先利用神经网络（NN）建立相接双星参数与光变曲线的映射关系，分别得到了无第三光影响的模型和有第三光影响的模型。这两个模型生成的光变曲线精度小于千分之一个星等，联合马尔科夫链蒙特卡洛算法 (MCMC) 快速得到相接双星的参数和对应的误差。这一方法与传统的方法相比，不但在精度上满足要求，在相同的硬件平台下，解轨速度提高了4个数量级，使得对海量相接双星进行解轨成为可能。

下一步，研究人员将对凌日系外行星勘测卫星的数据，以及装载在加州帕洛玛天文台地面望远镜上的兹维基瞬变探测器相接双星巡天数据进行批量解轨和统计分析。

标签： 相接双星 机器学习