AI“慧眼”识得近三百颗热亚矮星

湘潭大学物理与光电工程学院教授雷振新团队联合中国科学院国家天文台、山东大学的研究者，借助深度学习技术实现了热亚矮星大气参数的高效精准预测，为海量光谱数据中热亚矮星的证认开辟新路径。研究成果2月19日发表于《天体物理学报增刊》（ApJS），雷振新为论文第一作者和唯一通讯作者，湘潭大学为第一完成单位。

雷振新（左一）指导团队开展研究。受访者 供图

热亚矮星是宇宙中极具研究价值的特殊小质量恒星，其质量仅为太阳的一半，表面温度却超20000K，是太阳表面温度的4倍以上。这类恒星的演化轨迹充满谜团，通常恒星质量越大演化速度越快，而仅0.5倍太阳质量的热亚矮星，却已走到生命晚期。按正常恒星演化规律，它从诞生到目前状态所需的时间，远超宇宙现有年龄。这意味着，热亚矮星的前身星质量远大于现在，其在演化中应该经历了双星物质转移、极端星风等特殊物理过程，导致外壳质量完全流失，仅留下中心的氦核。

然而，这些关键物理过程尚未被破解，而对热亚矮星的深入研究，正是解锁双星演化、小质量恒星形成与演化，乃至星系和宇宙演化奥秘的关键钥匙。

目前，观测证认的热亚矮星约6000颗，其中拥有准确大气参数（温度、重力加速度、表面氦丰度）的仅3000余颗，对于表面化学元素丰度多样的热亚矮星而言，现有样本远不足以揭开其起源和演化的谜底。证认热亚矮星传统方法是将观测光谱与匹配大气模型的理论光谱逐一比对，虽结果准确但效率极低，单条光谱匹配需耗时5至30分钟，根本无法应对大批量候选体光谱的分析需求。

为此，科研团队历经长期攻关，研发出基于人工智能的热亚矮星证认新方法。团队搭建针对热亚矮星光谱的卷积神经网络，利用观测光谱和理论光谱开展模型训练，精准识别热亚矮星光谱的特征谱线与轮廓特点，实现对热亚矮星的高效证认，同时精准给出其大气参数。该方法在识别准确性、参数精度上与传统方法持平，速度却实现质的飞跃，比如分析10000条候选体光谱，传统方法至少需要1个月，而该方法仅需几十分钟至数小时。

借助这一方法，团队已从大型光谱巡天望远镜 LAMOST 数据库中新证认 291 颗热亚矮星。未来，该方法将应用于 DESI、Gaia 等更多光谱数据库，预计新发现的热亚矮星数量将实现成倍增长。