新方法發現新的年輕恒星體

　　近期，中國科學院國家天文臺張靜怡博士和張彥霞研究員等人利用LAMOST巡天的低分辨光譜數據，結合美國茲威基瞬態研究設施（the Zwicky Transient Facility，ZTF）獲取的時序測光數據，應用機器學習算法（Self－paced Ensemble，SPE），實現了ZTF數據中變源的分類，并解決了分類中存在的類別不平衡問題。通過SPE分類器，研究團隊從ZTF時序巡天數據中搜尋到8，210顆年輕恒星體（Young stellar objects，YSO）的候選體。通過對其中833顆具有LAMOST光譜的對應體進一步證認，發現379顆是已經被證認過的已知年輕恒星體，并證認了238顆從未被發現過的年輕恒星體。這個新發現的年輕恒星體星表對于研究這類天體的相關物理性質以及恒星的形成和早期演化具有重要的科學價值。該成果發表在國際天文期刊《天體物理學報增刊》（2023，ApJS，267，7）。

　　年輕恒星體（YSO）是指已經進入原恒星階段，但尚未演化到主序階段的恒星天體。恒星形成是一個在其經歷的時間尺度上動態變化的過程。YSO的明顯特征就是在時序測光數據上呈現可變性。其中包括：（1）由于恒星表面的熱點或盤結構的變化，通過中心天體對星周盤質量吸積導致的光變，這些過程有助于模擬盤的角動量耗散以及分析恒星和盤之間的磁效應產生的噴流發射效應；（2）當恒星內部旋轉時，恒星表面的冷斑在恒星自轉的作用下導致的周期調制變化；（3）通過盤的質量吸積率的改變，導致YSO在光度上產生不同的爆發現象（Burst）等等。因此研究YSO在光度上隨時間的變化，有助于我們理解恒星和行星系統的形成和演化過程，以及它們與周圍環境的相互作用。

　　張靜怡等人的研究結果表明，在借助LAMOST光譜數據對ZTF的變源進行分類時，SPE方法優于隨機森林算法，并且在不損失整體準確性的情況下，對稀有樣本的分類效果更佳，特別是對于YSO，召回率從78％提升至91％。通過將該方法分類出的8210顆YSO候選體與LAMOST DR9光譜數據交叉匹配后，在具有光譜信息的833顆對應體中，研究人員通過人眼查看新證認出從未被發現過的238顆年輕恒星體，擴充了已有年輕恒星體的數量。

　　該成果為天文學家追蹤年輕恒星體提供了新的方法，也為研究恒星形成和早期演化提供了年輕恒星體的優質樣本。