Inferring Stellar Parameters from Iodine-Imprinted Keck/HIRES Spectra with Machine Learning

这篇文章中，外行星主星的特性通常是通过对高分辨率光谱进行详细的前向建模分析来表征的。然而，许多外行星径向速度巡天使用碘池校准光谱仪，因此获得的大多数光谱都包含了一个碘吸收线的森林图案。对于使用碘池的巡天，必须单独获取无碘的“模板”光谱以精确地表征恒星。这些模板光谱通常需要额外的观测时间来获取，并且对于暗淡的恒星来说并不总是可行的。在本文中，我们证明了机器学习方法可以应用于从带有高准确度和精度的碘印记的光谱推断出恒星参数和化学丰度。本文介绍的方法广泛适用于任何碘池校准光谱仪。我们公开了我们的光谱管道，Cannon HIRES Iodine Pipeline（CHIP），它从FGK恒星的带有碘印记的光谱中推导出恒星参数和15种化学丰度，并已经设置为易于使用Keck/HIRES光谱。我们的概念验证提供了一种有效的新途径，即使在没有无碘模板光谱的情况下也可以快速估计大量的恒星参数。

如何从含有碘吸收线的光谱中准确地推断出恒星参数和化学丰度？是否能够避免单独获取无碘光谱的麻烦？

使用机器学习方法，通过处理含有碘吸收线的光谱，准确地推断出恒星参数和化学丰度，避免了获取无碘光谱的麻烦。

论文提出了Cannon HIRES Iodine Pipeline (CHIP)来处理含有碘吸收线的光谱，可以推断出恒星参数和15种化学丰度。实验结果表明，这种方法能够高精度地推断出恒星参数和化学丰度。论文提供了开源代码。该方法可以应用于任何使用碘池校准的光谱仪。

近期的相关研究包括：1. Spectroscopic Stellar Parameters for 582 FGK Stars in the HARPS Volume-limited Sample 2. The PASTEL catalogue: 2018 version