新方法发现新的年轻恒星体

　　近期，中国科学院国家天文台张静怡博士和张彦霞研究员等人利用LAMOST巡天的低分辨光谱数据，结合美国兹威基瞬态研究设施（the Zwicky Transient Facility，ZTF）获取的时序测光数据，应用机器学习算法（Self－paced Ensemble，SPE），实现了ZTF数据中变源的分类，并解决了分类中存在的类别不平衡问题。通过SPE分类器，研究团队从ZTF时序巡天数据中搜寻到8，210颗年轻恒星体（Young stellar objects，YSO）的候选体。通过对其中833颗具有LAMOST光谱的对应体进一步证认，发现379颗是已经被证认过的已知年轻恒星体，并证认了238颗从未被发现过的年轻恒星体。这个新发现的年轻恒星体星表对于研究这类天体的相关物理性质以及恒星的形成和早期演化具有重要的科学价值。该成果发表在国际天文期刊《天体物理学报增刊》（2023，ApJS，267，7）。

　　年轻恒星体（YSO）是指已经进入原恒星阶段，但尚未演化到主序阶段的恒星天体。恒星形成是一个在其经历的时间尺度上动态变化的过程。YSO的明显特征就是在时序测光数据上呈现可变性。其中包括：（1）由于恒星表面的热点或盘结构的变化，通过中心天体对星周盘质量吸积导致的光变，这些过程有助于模拟盘的角动量耗散以及分析恒星和盘之间的磁效应产生的喷流发射效应；（2）当恒星内部旋转时，恒星表面的冷斑在恒星自转的作用下导致的周期调制变化；（3）通过盘的质量吸积率的改变，导致YSO在光度上产生不同的爆发现象（Burst）等等。因此研究YSO在光度上随时间的变化，有助于我们理解恒星和行星系统的形成和演化过程，以及它们与周围环境的相互作用。

　　张静怡等人的研究结果表明，在借助LAMOST光谱数据对ZTF的变源进行分类时，SPE方法优于随机森林算法，并且在不损失整体准确性的情况下，对稀有样本的分类效果更佳，特别是对于YSO，召回率从78％提升至91％。通过将该方法分类出的8210颗YSO候选体与LAMOST DR9光谱数据交叉匹配后，在具有光谱信息的833颗对应体中，研究人员通过人眼查看新证认出从未被发现过的238颗年轻恒星体，扩充了已有年轻恒星体的数量。

　　该成果为天文学家追踪年轻恒星体提供了新的方法，也为研究恒星形成和早期演化提供了年轻恒星体的优质样本。