ترجمه فارسی مقاله تخمین پارامترهای جوی ستارگان نوع اولیه از تلسکوپ ایستگاه فضایی چین (CSST) بررسی طیف بدون شکاف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Estimating the Atmospheric Parameters of Early-type Stars from the Chinese Space Station Telescope (CSST) Slitless Spectra Survey
عنوان مقاله به فارسی تخمین پارامترهای جوی ستارگان نوع اولیه از تلسکوپ ایستگاه فضایی چین (CSST) بررسی طیف بدون شکاف
نویسندگان JiaRui Rao, HaiLiang Chen, JianPing Xiong, LuQian Wang, YanJun Guo, JiaJia Li, Chao Liu, ZhanWen Han, XueFei Chen
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Solar and Stellar Astrophysics,Instrumentation and Methods for Astrophysics,اخترفیزیک خورشیدی و ستاره ای , ابزار دقیق و روش های اخترفیزیک ,
توضیحات Submitted 20 August, 2024; originally announced August 2024. , Journal ref: The Astronomical Journal, 168:20 (17pp), 2024 July
توضیحات به فارسی 20 اوت 2024 ارسال شد.در ابتدا اوت 2024 اعلام شد ، مجله Ref: مجله نجومی ، 168: 20 (17pp) ، 2024 ژوئیه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The measurement of atmospheric parameters is fundamental for scientific research using stellar spectra. The Chinese Space Station Telescope (CSST), scheduled to be launched in 2024, will provide researchers with hundreds of millions of slitless spectra for stars during a 10 yr survey. And machine learning has unparalleled efficiency in processing large amounts of data compared to manual processing. Here we studied the stellar parameters of early-type stars (effective temperature Teff more than 15,000 K) based on the design indicators of the CSST slitless spectrum and the machine learning algorithm, Stellar LAbel Machine. We used the Potsdam Wolf-Rayet (POWR) synthetic spectra library for cross validation. Then we tested the reliability of machine learning results by using the Next Generation Spectrum Library (NGSL) from Hubble Space Telescope observation data. We use the spectra with the impact of interstellar extinction (AV = 0, 0.5, 1, 1.5, 2 mag) and radial velocity (RV = -50, -30, 0, 30, 50 km s-1) from the POWR library as the test set. When RV = 0 km s-1 and AV = 0 mag, the average value and standard deviation for 3 wavelength ranges (2550-4050 Ang (R = 287); 4050-6300 Ang (R = 232); 6300-10000 Ang (R = 207)) are -66 K, 550 K, and 356 K for Teff, and 0.004 c.g.s, -0.024 c.g.s, and 0.01 c.g.s for log g. When using the observed data from NGSL as the testing samples, the deviation of Teff is less than 5%, and the deviation of log g is less than 11%. In addition, we also test the influence of shifting of spectra on the parameters accuracy. The deviation of Teff for the case with a shift of 5 Ang and 10 Ang are 3.6% and 4.3%, respectively; the deviation of log g are 4.2% and 5.1%. These results demonstrate that we can obtain relatively accurate stellar parameters of a population of early-type stars with the CSST slitless spectra and a machine-learning method.

چکیده به فارسی (ترجمه ماشینی)

اندازه گیری پارامترهای جوی برای تحقیقات علمی با استفاده از طیف های ستاره ای اساسی است.تلسکوپ ایستگاه فضایی چین (CSST) که قرار است در سال 2024 راه اندازی شود ، در طی یک بررسی 10 ساله ، صدها میلیون طیف بدون شکاف برای ستاره ها را در اختیار محققان قرار می دهد.و یادگیری ماشین در پردازش مقادیر زیادی از داده ها در مقایسه با پردازش دستی ، راندمان بی نظیری دارد.در اینجا ما پارامترهای ستاره ای ستاره های نوع اولیه (دمای دمای مؤثر بیش از 15،000 K) را بر اساس شاخص های طراحی طیف بدون شکاف CSST و الگوریتم یادگیری ماشین ، دستگاه برچسب ستاره ای بررسی کردیم.ما برای اعتبار سنجی متقاطع از کتابخانه طیف مصنوعی Potsdam Wolf-Rayet (POWR) استفاده کردیم.سپس ما با استفاده از کتابخانه طیف نسل بعدی (NGSL) از داده های مشاهده تلسکوپ فضایی هابل ، قابلیت اطمینان نتایج یادگیری ماشین را آزمایش کردیم.ما از طیف هایی با تأثیر انقراض بین ستاره ای (AV = 0 ، 0.5 ، 1 ، 1.5 ، 2 Mag) و سرعت شعاعی (RV = -50 ، -30 ، 0 ، 30 ، 50 کیلومتر S -1) از کتابخانه POWR استفاده می کنیم.به عنوان مجموعه آزمون.هنگامی که RV = 0 کیلومتر S-1 و AV = 0 MAG ، میانگین مقدار و انحراف استاندارد برای 3 دامنه طول موج (2550-4050 ANG (R = 287) ؛ 4050-6300 ANG (R = 232) ؛ 6300-10000 ANG (ANG (R = 232)R = 207)) برای TEFF -66 K ، 550 K و 356 K هستند ، و 0.004 c.g.s ، -0.024 c.g.s و 0.01 c.g.s برای ورود به سیستم g.هنگام استفاده از داده های مشاهده شده از NGSL به عنوان نمونه های آزمایش ، انحراف TEFF کمتر از 5 ٪ و انحراف log G کمتر از 11 ٪ است.علاوه بر این ، ما همچنین تأثیر تغییر طیف ها را بر دقت پارامترها آزمایش می کنیم.انحراف TEFF برای مورد با تغییر 5 ANG و 10 ANG به ترتیب 3.6 ٪ و 4.3 ٪ است.انحراف log G 4.2 ٪ و 5.1 ٪ است.این نتایج نشان می دهد که ما می توانیم پارامترهای ستاره ای نسبتاً دقیقی از جمعیتی از ستاره های اولیه با طیف های شکاف CSST و یک روش یادگیری ماشین بدست آوریم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.