图4. 类太阳恒星演化示意图（图源：国家天文台）

另一方面，红巨星的光度很大，可以探测到很远的距离，因此成为了研究银河系结构很好的探针。集“类太阳振动”、“亮度”于一身的红巨星，成为了天文学家绘制银河系结构样貌和追溯银河系精彩过往的重要“见证者”。

大数据时代背景下红巨星的年龄普查

随着各类空间望远镜和地基望远镜的巡天观测，近些年，天文数据量呈现指数级增长，值得一提的是，我国自主创新研制的国家重大科技基础设施、目前世界上光谱获取率最高的LAMOST以发布千万量级的天体光谱，天文学迎来了大数据天体物理时代。这对于天文学家而言即是机遇又是挑战。天文学家竭尽全力寻找最高效、最便捷的方式来完成大规模天文数据的搜索及分类工作。其中机器学习算法成为大数据时代解决问题重要且关键的新兴“工具”，而机器学习方法行之有效的前提则需要构建一个具有广泛性、准确性和完备性的训练样本。 美国开普勒卫星（Kepler）为寻找类地行星对约20万颗恒星（大部分是红巨星和红团簇巨星）进行了高质量测光观测，Kepler数据的释放，迎来了星震学的黄金时代。利用这些数据天文学家可以得到成千上万颗巨星的星震学参数，这些参数为精确得到红巨星质量和年龄提供了很大的帮助。LAMOST是对Kepler目标源进行光谱观测最理想的地基望远镜，它提供了迄今为止数量最多的恒星光谱数据，为描绘红巨星的“容貌”特征给出了丰富又准确的基本信息。这些共同源成为测量大样本红巨星年龄的极佳数据。

新兴的机器学习方法及可靠的红巨星训练样本，使得天文学家获取大样本红巨星的“芳龄”成为可能。

图5. 郭守敬望远镜LAMOST（图源：孔啸）

2019年，国家天文台的武雅倩助理研究员、赵刚研究员以及德国马普天文学研究所向茂盛博士等人利用LAMOST-Kepler红巨星样本，精确确定了6940颗红巨星的质量和年龄，质量的典型精度为7%，年龄的典型精度为25%。利用可靠的训练样本，他们进一步估计了LAMOST DR4中64万红巨星的质量和年龄，典型误差分别为10%和30%。 至此，研究人员通过人工智能，从LAMOST-kepler数据中成功获取了64万红巨星样本的年龄信息，完成了天体物理大数据背景下的一次“星口普查”，成为揭秘恒星年龄的代表性工作。

另一位恒星观测领域的超级“大佬”——欧洲航天局发射的盖亚卫星（Gaia），2018年发布了10亿余颗恒星最精确的距离和自行测量数据。这样一来，除了年龄，天文学家还可以轻松获取红巨星的运动学信息。珠联璧合再出精品，近期，武雅倩等人继续将64万的红巨星样本与Gaia数据交叉，进一步计算了红巨星的运动学参数，描绘出了银盘恒星随着年龄以及空间位置的运动特性。拥有年龄信息的64万红巨星样本使得天文学家突破了仅能捕捉某一瞬间恒星运动特征的局限性，而是从时间维度上对银盘的恒星运动进行了追踪，为还原银盘上恒星运动的演化历史提供了可靠证据。

如此一个数据量够大，拥有质量、年龄等丰富信息的64万红巨星大样本将成为天文学家手中弥足珍贵的数据财富，在进一步理解星族合成和描绘银河系演化的历史画卷等方面有着广泛的应用前景。（赵宇豪）

论文链接：

作者简介：武雅倩，现为国家天文台元素丰度团组助理研究员。研究领域为银河系化学动力学演化、天文大数据等。李双，中国科学院国家天文台工程师，LAMOST运行和发展中心宣传主管。

[ 责编：蔡琳 ]

【来源：光明科普】

声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地?/p>

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/0416/1991.html