【儀表網(wǎng) 研發(fā)快訊】近日，中國(guó)科學(xué)院云南天文臺(tái)韓云坤副研究員等、中國(guó)科學(xué)技術(shù)大學(xué)教授范璐璐與紫金山天文臺(tái)研究員鄭憲忠合作，在中國(guó)空間站工程巡天空間望遠(yuǎn)鏡(CSST)多波段成像巡天中同時(shí)進(jìn)行星系測(cè)光紅移和星族參數(shù)估計(jì)的性能測(cè)試方面取得了新進(jìn)展。相關(guān)研究成果發(fā)表在《天體物理學(xué)期刊增刊》(The Astrophysical Journal Supplement Series)上。
 

　　星系是構(gòu)成宇宙的基本單元。研究星系的形成和演化有助于揭示暗物質(zhì)和暗能量的本質(zhì)，是現(xiàn)代天體物理學(xué)領(lǐng)域中最具挑戰(zhàn)性的問(wèn)題之一。星系的多波段能譜分析可用于測(cè)量星系紅移、恒星質(zhì)量和恒星形成率等基本物理參數(shù)，是探索星系中恒星、星際介質(zhì)和超大質(zhì)量黑洞相關(guān)的眾多復(fù)雜物理過(guò)程的重要基礎(chǔ)，亦是星系研究領(lǐng)域的研究重點(diǎn)。國(guó)際上最先進(jìn)的韋布空間望遠(yuǎn)鏡和歐幾里得空間望遠(yuǎn)鏡，以及研制中的中國(guó)空間站工程巡天空間望遠(yuǎn)鏡和羅曼空間望遠(yuǎn)鏡等，將提供海量的多波段數(shù)據(jù)，為更深入地探究星系的形成和演化提供了機(jī)遇，并對(duì)能譜合成和分析方法以及工具的發(fā)展提出了挑戰(zhàn)。
 

　　近年來(lái)，國(guó)際上較多大型團(tuán)隊(duì)都在積極發(fā)展自己的星系多波段能譜合成和分析方法及工具。自2012年，云南天文臺(tái)韓云坤等開(kāi)展了這方面的工作，發(fā)展了BayeSED方法和工具。目前，BayeSED方法和工具已經(jīng)歷三大版本的迭代升級(jí)，并與國(guó)際上的CIGALE、PROSPECTOR、BAGPIPES等一起成為國(guó)際天文廣泛使用的研究工具。
 

　　在最新的BayeSED方法和工具中(圖1)，科研人員增加了基于星系經(jīng)驗(yàn)統(tǒng)計(jì)性質(zhì)和嵌套采樣算法的星系族群合成方法(圖2)，基于極限星等的觀測(cè)誤差近似模擬方法(observational error modeling)，以及多種新的恒星形成歷史(SFH)和塵埃吸收模型(DAL)。此外，該研究還對(duì)復(fù)合星族合成(CSP)的算法進(jìn)行了深度優(yōu)化，提高了詳盡能譜合成(detailed SED modeling)速度；實(shí)現(xiàn)了基于機(jī)器學(xué)習(xí)的快速能譜合成(rapid SED modelling)和詳盡能譜合成的協(xié)同配合；改進(jìn)了基于MPI的并行算法，實(shí)現(xiàn)斷點(diǎn)續(xù)算，并降低了海量數(shù)據(jù)并行分析的內(nèi)存資源消耗；優(yōu)化了數(shù)據(jù)輸入和輸出，采用新的數(shù)據(jù)格式以應(yīng)對(duì)大數(shù)據(jù)的存儲(chǔ)和分析的需要。
 

　　經(jīng)過(guò)上述改進(jìn)和優(yōu)化，BayeSED最終實(shí)現(xiàn)了用單核2.2GHz的CPU平均2秒左右對(duì)一個(gè)星系的多波段測(cè)光能譜進(jìn)行詳細(xì)的貝葉斯分析，給出星系的紅移、恒星質(zhì)量和恒星形成率等一系列基本物理參數(shù)及其誤差的自洽一致估計(jì)；同時(shí)，提供能譜模型的貝葉斯證據(jù)(Evidence，奧卡姆剃刀原則——如無(wú)必要，勿增實(shí)體——的一種定量化實(shí)現(xiàn))用于星系能譜建模中各種不同物理假設(shè)的客觀定量比較。該研究系統(tǒng)發(fā)展的BayeSED方法和工具的整體性能優(yōu)于國(guó)際上的同類方法和工具，將為CSST的科學(xué)產(chǎn)出提供有力支持。
 

　　以此為基礎(chǔ)，研究根據(jù)CSST寬視場(chǎng)多波段成像巡天的設(shè)計(jì)參數(shù)，采用基于星系經(jīng)驗(yàn)統(tǒng)計(jì)性質(zhì)和基于星系流體動(dòng)力學(xué)模擬兩種方法生成模擬星系樣本，進(jìn)行了系統(tǒng)的星系測(cè)光紅移和星族參數(shù)估計(jì)的性能測(cè)試。結(jié)果表明，觀測(cè)誤差和能譜模型誤差對(duì)參數(shù)估計(jì)誤差的貢獻(xiàn)最大，參數(shù)簡(jiǎn)并的貢獻(xiàn)次之，而來(lái)自BayeSED分析方法和工具本身的貢獻(xiàn)最小。該工作的系統(tǒng)測(cè)試結(jié)果，將為后續(xù)研究的進(jìn)一步改進(jìn)以及CSST科學(xué)產(chǎn)出的最大化提供良好的參考。
 

　　研究工作得到國(guó)家重點(diǎn)研發(fā)計(jì)劃、中國(guó)載人航天工程、國(guó)家自然科學(xué)基金、中國(guó)科學(xué)院“西部之光”人才培養(yǎng)計(jì)劃和云南省“興滇英才支持計(jì)劃”的支持。
 

圖1. 最新的BayeSED方法和工具結(jié)構(gòu)示意圖
 

圖2. 星系族群合成結(jié)果實(shí)例：星系紅移與其他物理參數(shù)的聯(lián)合概率分布