基于可变形卷积网络的恒星大气物理参数自动测量

为解决海量恒星光谱数据自动处理问题,更准确地对恒星光谱物理与化学性质的研究,同时更加直观地反映恒星性质参数,通过利用可变形卷积网络(deformable convolutional network,DCN)方法对恒星大气物理参数进行分析,系统地研究了恒星表面有效温度(Teff)、表面重力(logg)、金属丰度([Fe/H])3个物理参数,实验结果对比梯度下降法神经网络(back propa-gation neural network,BPNN)、人工神经网络(artificial neural network,ANN)、径向基神经网络(radial basis function neural network,RBFNN),评价标准为平均绝对误差(mean absolute error,MAE)、均值误差(mean error,ME).基于SDSS-DR9、LAMOST-DR3恒星光谱数据得到Teff、logg、[Fe/H]的DCN-MAE分别为97.2136 K、0.281 2dex、0.125 2 dex,DCN-ME 分别为106.596 3 K、0.385 6 dex、0.175 3 dex.实验结果显示DCN效果优于BPCNN、ANN、RBFNN,为进一步分析与反映恒星真实情况提供参考.     

银盘恒星的金属丰度与轨道参数的关系

银盘的金属丰度梯度可以为银河系的结构和化学演化模型提供直接的观测约束, 但是关于银盘是否存在金属丰度梯度以及梯度如何分布目前仍无定论, 需要确切知道银盘的不同星族成分是否给出相似的丰度梯度. 我们基于近年来两个大样本恒星的观测工作, 从其共有的恒星样本中选取出恒星年龄比较一致(年龄差别在3 Gyr以内)的4004颗恒星样本, 用运动学标准区分恒星的星族成分, 确定了3855颗薄盘星和146颗厚盘星, 分别讨论了薄盘和厚盘恒星的金属丰度[Fe/H]与轨道偏心率e、径向平均轨道半径R_m以及最大银盘法向距离Z_max的关系. 结果表明: (1) 银盘恒星的轨道偏心率随金属丰度的增加而逐渐变小, 厚盘恒星的轨道偏心率(e>0.25)明显大于薄盘恒星(e<0.20), 但当[Fe/H]>-0.3以后银盘恒星的轨道偏心率几乎保持不变; (2) 沿银盘径向, 薄盘总体上存在明显的金属丰度梯度, 但这一丰度梯度分布由内到外是不连续的, 内盘(Rm<8 kpc)丰度梯度接近于0, 外盘(R_m≥8 kpc)丰度梯度为-0.12 dex/kpc. 厚盘几乎不存在径向金属丰度梯度; (3) 沿银盘法向, 厚盘和薄盘存在明显的金属丰度梯度, 大小分别为-0.15 dex/kpc和-0.25 dex/kpc, 而且薄盘和厚盘的法向丰度梯度都表现出随银河系演化而逐渐变陡的趋势. 我们的结果支持关于银盘形成和演化的坍缩机制.     

基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力log g和金属丰度[Fe/H]的估计值.首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值.实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度.     

基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力logg和金属丰度[Fe/H]的估计值。首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值。实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度。     

基于积分场光谱数据的近邻星系恒星形成区多波段恒星形成率定标研究

为探究多波段数据相结合的恒星形成率定标在近邻星系恒星形成区的可应用性,基于窄带Hα成像观测数据、二维积分场光谱数据(IFS)以及Spitzer/MIPS 24μm和Herschel/PACS 70、100、160μm的中远红外波段高空间分辨率图像,对5个近邻恒星形成星系中119个恒星形成区进行恒星形成率定标研究.以由IFS数据测得的巴尔末减缩得到的内部消光改正后的Hα光度为基准,将24、70、100和160μm与未经过内部消光改正的Hα光度相结合进行定标.结果发现:在1034~1039 erg/s光度范围内,4个红外波段与Hα光度的结合均能很好地示踪经过内部消光改正的Hα光度,RMS为0.20~0.27 dex.良好的数据分布表明基于较小样本的研究结果具有统计意义和可应用性.     

水的表面张力系数与温度的关系的对比研究

温度是影响液体表面张力系数的主要因素之一.为便于测试对比和工程应用,该文对9个关系式的计算值αi(i=1,2,…,9)与公认值α0的偏差和百分误差进行了对比研究.结果显示,α1,α2,α3与α0间的偏差和百分误差最大,不宜用于水的表面张力系数的计算.0~30℃之间,α4,α9与α0的偏差和百分误差较小,分别在[0.00,0.13]m N/m,[-0.18,-0.13]m N/m和0.00%~0.17%、-0.25%~-0.17%之间;0~100℃之间,α5,α6与α0的偏差和百分误差非常小,分别在[-0.017,0.083]m N/m,[0.041,0.176]m N/m和-0.03%~0.13%,0.06%~0.23%之间.进一步研究发现,0~100℃之间,新的组合关系式α10=(α4+α9)/2的计算值与公认值的偏差和百分误差最小,分别在[-0.099,-0.015]m N/m和-0.12%~-0.02%之间,此式亦为水的表面张力系数计算的最佳关系式.     

贫金属星钡和铕丰度的相关性

根据目前已测得的贫金属星中重元素钡和铕的观测丰度,利用通常的最小二乘法确定了[Eu/H]和[Ba/H]之间的线性相关关系,并利用F-检验法和相关系数r检验法对回归效果作了显著性检验.结果表明,贫金属星中[Eu/H]和[Ba/H]之间确存在着显著的线性相关关系,在星系形成早期的极贫金属情况下,重元素钡和铕可能都是由r-过程产生的.     

体状γ-Fe(N)和Fe4N的合成及其磁特性

利用固气反应原理和方法制备Fe-N化合物.反应气氛为NH 3,H2,[N]和[H]的混合物.分析了NH3的分解过程及[N]和Fe的反应.当NH3/[NH3+H2]的比例为5%～15%(体积百分数)和反应温度为640～680℃时,通过水淬或冰水淬可得到几乎纯净的体状γ-Fe(N).当NH3/[NH3+H2]为16%～50%和反应温度为400～640时,均匀、单一且纯的Fe4N体状化合物可以得到.研究了工艺条件对制备氮化物的影响规律.结果表明:γ-Fe(N)是非磁性的,Fe4N是铁磁性的.其饱和磁化强度、居里温度和矫顽力室温下分别为186A.m2/kg,480℃和0.39kA/m.     

炼锌窑渣铁精矿HCl浸出过程中硅的行为研究

通过热力学计算和实验分析,研究炼锌窑渣铁精矿盐酸浸出过程中硅的行为。研究结果表明:当Cl-总浓度[Cl-]T0.1 mol/L时,[Cl-]T的变化对Fe Si O3的溶解几乎无影响;而当p H10时,随着[Cl-]T由0 mol/L增加至6 mol/L,Fe~(2+)和Fe(OH)+的优势区域被Fe Cl+和Fe Cl2(aq)所取代,Fe Si O3的溶解度增大,同时析出二氧化硅的临界p H由0.73升高至1.31;随着浸出温度和盐酸浓度增加,硅和有价金属的浸出率逐步提高,然而,当浸出酸度超过5 mol/L时,浸出体系中的硅极易以聚合硅酸或无定型Si O2从溶液中析出,这与热力学分析结果一致;析出的二氧化硅吸附或包裹在窑渣铁精矿颗粒表面,导致铁精矿中有价组分浸出率降低。     

近邻恒星形成星系的主序关系

为了验证现有孔径改正方法的有效性,基于一个具有星系总体Hα、Hβ发射线流量和紫外(UV)、远红外(FIR)多波段数据的近邻(150 Mpc)星系样本,研究不受孔径效应影响的Hα作为恒星形成率指示剂的恒星形成主序关系,并对Hα和远紫外(FUV)分别作为恒星形成率探针时的主序关系进行对比.结果表明:不受孔径效应影响的Hα作为恒星形成率指示剂的主序关系与已有的利用孔径改正所得主序关系一致,表明通常采用的孔径改正方法可以还原星系整体Hα流量.此外,利用总红外(TIR)与FUV之比以及FUV-NUV颜色对FUV流量进行尘埃消光改正所得FUV作为恒星形成率示踪物的主序关系一致,表明FUV-NUV颜色对FUV流量进行消光改正没有引入更大的误差.