Estimativa probabilística de massa estelar e raio com empilhamento hierárquico bayesiano
Parâmetros estelares precisos são essenciais para a caracterização de exoplanetas, mas a maioria das estrelas hospedeiras carece de medições diretas de massa e raio.
Pontos-chave
- Em foco: Parâmetros estelares precisos são essenciais para a caracterização de exoplanetas, mas a maioria das estrelas hospedeiras carece de medições diretas
- Detalhe: Resultado ainda sem revisão por pares
- Leitura editorial: resultado provisório, ainda sem revisão por pares formal.
Parâmetros estelares precisos são essenciais para a caracterização de exoplanetas, mas a maioria das estrelas hospedeiras carece de medições diretas de massa e raio. Nosso objetivo é prever massas e raios estelares a partir de observáveis comumente disponíveis e quantificar incertezas e efeitos sistemáticos de uma forma que seja consistente com as observações estelares.
Ao não depender de um único modelo, pretendemos obter distribuições preditivas mais robustas e reduzir a sensibilidade a erros de especificação e valores discrepantes do modelo. O método propaga incertezas de medição, leva em conta correlações entre entradas e agrega a variância do modelo em distribuições preditivas finais.
Em um conjunto de testes mantidos, o método atinge uma diferença relativa média absoluta (MARD) de 3, 5% para massa e 2, 1% para raio, melhorando os métodos baseados em relações empíricas e as linhas de base padrão de aprendizado de máquina. Para 44 estrelas Kepler LEGACY, as massas BHS diferem das estimativas obtidas com o BAyesian STellar Algorithm (BASTA) por um MARD de 4, 8%, em comparação com 8, 5% entre as relações empíricas e BASTA.
Aplicadas a cerca de 2.400 estrelas hospedeiras de exoplanetas, as previsões diferem dos valores da literatura por um MARD de 2, 7% tanto em massa quanto em raio. A análise residual revela uma leve subestimação para anãs frias, consistente com uma cobertura de treinamento esparsa e compensações positivas próximas ao desligamento da sequência principal que podem refletir anteriores em catálogos baseados em isócronas.
A consistência interna com g = GM/R^2 é maior para as previsões BHS, com uma dispersão no Delta log g menor por um fator de três do que os valores da literatura. Tanto indivíduos como organizações que trabalham com arXivLabs abraçaram e aceitaram nossos valores de abertura, comunidade, excelência e privacidade dos dados do usuário.
ArXiv está comprometido com esses valores e só trabalha com parceiros que os aderem.
Fonte original: arXiv Earth & Planetary