Fundamental stellar parameters and metallicities from Bayesian spectroscopy. Application to low- and high-resolution spectra
我们提出了一个统一的框架来获得基本恒星参数结合所有可用的观测和理论信息的恒星。该算法依赖于贝叶斯推断的方法，该方法首次直接集成了基于全局光谱合成的光谱分析流水线，并允许在给定先验的情况下进行全面和客观的误差计算。任意输入数据集都可以包含在我们的分析中，除了恒星年龄，有效温度，表面重力和金属丰度之外，还可以根据需要计算其他恒星量。我们列出了该方法的数学框架，并将其应用于几个观测数据集，包括高分辨率和低分辨率光谱（UVES，NARVAL，HARPS，SDSS/SEGUE）。我们发现，更简单的近似光谱PDF，这是固有的过去贝叶斯方法，导致几个标准差和不可靠的错误的偏差相同的数据。由于其灵活性和对一颗恒星的多个独立测量的同时分析，它将非常适合分析和交叉校准正在进行和即将进行的大型调查，如Gaia-ESO，SDSS，Gaia和LSST。
2014-06-11 astro-ph.IM astro-ph.SR
Bayesian Analysis for Stellar Evolution with Nine Parameters (BASE-9): User's Manual
BASE-9是一个贝叶斯软件套件，可以从测光中恢复星团和恒星参数。BASE-9可用于分析单年龄、单金属量的星团、双星或单星，以及模拟这些系统。BASE-9使用马尔可夫链蒙特卡罗和蛮力数值积分技术来估计星团的年龄、金属丰度、氦丰度、距离模量和视线吸收的后验概率分布，以及每个恒星天体的质量、双星质量比和星团成员概率。BASE-9是在版本控制的Web服务器上作为开源代码提供的。这些可执行文件也可作为Amazon Elastic Compute Cloud映像提供。本手册为潜在用户提供了BASE-9的概述，包括安装和使用说明。
2014-11-14 astro-ph.IM astro-ph.SR
Bayesian inference of solar and stellar magnetic fields in the weak-field approximation
弱场近似是最简单的模型之一，它使我们能够将观测到的塞曼效应引起的极化与感兴趣的等离子体上的磁场矢量联系起来。它通常用于诊断太阳和恒星大气中的磁场。提出了一种完全贝叶斯方法来推断未分辨结构中的磁性。得到了边缘后验分布的解析表达式，由此可以得到模型参数的统计相关信息。先验信息的作用进行了讨论，并提出了一个层次的程序，给出了强大的结果，几乎是不敏感的精确选举的前。的强度的形式主义证明通过应用程序的IMaX数据。贝叶斯方法可以最佳地利用从滤光片偏振仪的光谱信息的稀缺性相比，光谱偏振仪的数据。详细分析了噪声的影响及其如何降低我们从Stokes轮廓提取信息的能力。
2011-02-10 astro-ph.IM astro-ph.SR
Going Bayesian on the ages of nearby young stellar systems I. The expansion rate method
研究开发了结合先验知识的贝叶斯膨胀速率方法用于估计年轻恒星系统年龄，通过升级贝叶斯分层模型并在广泛模拟中验证，证明其比传统频率学派方法更稳健可信，已作为开源代码Kalkayotl的模块发布。
2025-06-05 astro-ph.GA astro-ph.IM astro-ph.SR
Don't Pay Attention to the Noise: Learning Self-supervised Representations of Light Curves with a Denoising Time Series Transformer
天体物理学的光变曲线是特别具有挑战性的数据对象，由于强度和各种噪声污染他们。然而，尽管光变曲线的数量庞大，但用于处理它们的大多数算法仍然是在每个样本的基础上运行的。为了弥补这一点，我们提出了一个简单的Transformer模型-称为去噪时间序列Transformer（DTST）-并表明它在使用掩蔽目标进行训练时，即使没有干净的目标，也能出色地去除时间序列数据集中的噪声和离群值。此外，自我注意的使用使丰富的和说明性的查询到学习的表示。我们目前的实验从凌日系外行星空间卫星（TESS）的真实恒星光变曲线，显示我们的方法相比传统的去噪技术的优势。
2022-07-06 astro-ph.IM stat.ML
BONNSAI: a Bayesian tool for comparing stars with stellar evolution models
配备多纤维或积分场摄谱仪的强大望远镜，结合恒星大气的详细模型和自动拟合技术，可以分析大量恒星。这些数据集包含了丰富的信息，需要新的分析技术来弥合观测和恒星演化模型之间的差距。为此，我们开发BONNAI（波恩恒星天体物理学接口），贝叶斯统计方法，能够比较所有可用的观测值同时恒星模型，同时考虑到观察到的不确定性和先验知识，如初始质量函数和恒星旋转速度的分布考虑。BONSAI可用于（1）从复杂的数据集确定基本恒星参数的概率分布，如初始质量和恒星年龄，（2）预测尚未观测确定的恒星参数，（3）测试恒星模型，以进一步推进我们对恒星演化的理解。BONNSAI的一个重要方面是，它通过$χ^{2}$假设检验和后验预测检查选出恒星模型无法重现的恒星。BONNSAI可以与任何一组恒星模型一起使用，目前支持银河系和大麦哲伦云和小麦哲伦云组成的大质量主序星单星模型。我们将我们的新方法应用于模拟星，以展示其功能和能力。在第一个应用程序中，我们使用BONSAI测试恒星模型的布罗特等人。（2011年a）通过比较恒星年龄推断的主要和次要恒星的食银河系双星。年龄是由动力学质量和半径确定的，已知的好于3%。我们发现恒星模型很好地再现了银河系双星。BONSAI可通过http://www.astro.uni-bonn.de/stars/bonnsai的网络界面获得。
2014-08-14 astro-ph.IM astro-ph.SR
Stacked Bayesian general Lomb-Scargle periodogram: Identifying stellar activity signals
上下文区分恒星活动或行星引起的信号是目前径向速度搜索低质量系外行星的主要挑战。即使知道凌日行星的存在及其周期，恒星活动也可能是测量径向速度信号正确振幅的主要障碍。有几种工具正在被用来帮助理解哪些信号来自数据中的恒星活动。目标。我们的目标是提出一种新的工具，可用于识别恒星活动引起的周期性的目的，并显示它如何可以用来跟踪随着时间的推移检测的信噪比（SNR）。该工具所依据的原则是，恒星活动信号是可变的和不连贯的。方法.我们计算数据子集的贝叶斯一般Lomb-Scargle周期图，并通过添加一个额外的数据点，我们跟踪数据中周期性的存在和意义。HARPS和HARPS-N的公开数据集用于此目的。此外，我们分析了我们使用SOAP2.0创建的合成数据集，以模拟纯恒星活动以及恒星活动和行星的混合物。结果我们发现，这个工具可以很容易地用来识别不稳定和不相干的信号，如恒星活动引入的信号。在稳定信号的情况下，检测的SNR近似地随着数据点的数量的平方根而增长。然后，这可以用来决定继续观察特定对象是否有用。该工具相对快速且易于使用，因此非常适合快速分析数据。
2017-02-13 astro-ph.EP astro-ph.IM
Bayesian isochrone fitting and stellar ages
恒星演化理论在解释恒星形成、演化和死亡的不同阶段方面非常成功。虽然最强的限制传统上来自双星，但星震学的出现正在对特征良好的恒星进行独特的测量。然而，对于一般的恒星星族，通常只有光度测量是可用的，与恒星演化理论预测的比较大多是定性的。例如，等时线的几何形状已被用来推断同时代人口的年龄，但没有任何适当的统计基础。在这一章中，我们提供了一个贝叶斯形式主义的教学审查，使定量推断的性质，单，二进制和小合奏的恒星，包括未解决的人口。作为一个例子，我们展示了如何恒星演化理论可以在一个严格的方式作为先验信息来测量ZAMS和氦闪光之间的恒星的年龄，以及它们的不确定性，只使用光度数据。
2016-07-11 astro-ph.GA astro-ph.IM physics.hist-ph
A pragmatic Bayesian perspective on correlation analysis: The exoplanetary gravity - stellar activity case
我们应用贝叶斯框架来评估两个量之间的相关性。为此，我们估计感兴趣的参数$ρ$的概率分布，表征相关性的强度。我们使用Python编程语言和pyMC模块在一个非常短的（$\sim$ 130行代码，大量注释）和用户友好的程序中实现了这些想法和概念。我们使用这个工具来评估行星表面重力和恒星活动水平之间的相关性的存在和属性，如日志（$R'_{\mathrm{HK}}$）指标所测量的。贝叶斯分析的结果在定性上与通过p值分析获得的结果相似，并支持数据中存在相关性。结果在推导过程中更加稳健，信息量更大，揭示了一些有趣的特征，如不对称的后验分布或显著不同的可信区间，并允许进行更深入的探索。我们鼓励对这类问题感兴趣的读者将我们的代码应用于他/她自己的科学问题。只有通过处理先验知识、评估蒙特卡罗运行的收敛性以及大量其他实际问题，才能充分理解贝叶斯框架。我们希望能做出贡献，使贝叶斯分析成为研究人员工具包中的一个工具，他们通过经验了解其优点和局限性。
2016-01-19 astro-ph.EP astro-ph.IM
BONNSAI: correlated stellar observables in Bayesian methods
在大规模恒星光谱测量和大数据的时代，复杂的统计方法变得越来越重要，以便推断基本的恒星参数，如质量和年龄。贝叶斯技术是一种强大的方法，因为它们可以同时将所有可用的观测值与恒星模型相匹配，同时适当考虑先验知识。然而，在大多数情况下，假设可观测量是不相关的，这通常不是事实。在这里，我们通过将协方差矩阵纳入似然函数，将相关性纳入贝叶斯代码BONSAI。我们推导出的协方差矩阵，除了经典的不确定性，只需要规范的相关参数，描述如何观测协变的参数。我们的相关参数完全取决于方法与观测已确定，并可以在某些情况下解析推导。因此，这种方法的优点是，即使在特定情况下无法获得相关性的信息，但这些信息通常是已知的，也可以说明相关性。由于新的似然模型是一个更好的近似的数据，推断参数的可靠性和鲁棒性提高。我们发现，忽略相关性的偏见推断恒星参数的最有可能的值，并影响这些参数可以确定的精度。例如，我们将我们的技术应用于大质量OB星，但强调它对任何类型的恒星都有效。对于有效温度和表面重力确定的大气模型，我们发现，群众可以低估平均由$0.5σ$和质量的不确定性高估了约2倍时，忽略相关性。与此同时，年龄精度被低估了广泛的恒星参数。[删节]
2016-10-25 astro-ph.IM astro-ph.SR
A Bayesian Approach Accounting for Stochastic Fluctuations in Stellar Cluster Properties
星团的综合分光光度特性在星团与星团之间有很大的差异。它们以非平凡的方式分布在标准人口合成模型预测的平均属性周围。这是由于每个星团中有限（少量）发光恒星的随机质量分布，这些恒星可能是特别蓝色或特别红色。颜色分布很宽，通常远离高斯分布，特别是在年轻和中等年龄的星系团中，就像在相互作用的星系中发现的那样。当光度测量的集群被用来估计年龄和质量与标准模型，偏差是可以预期的。我们提出了一个贝叶斯方法，明确占随机性时，估计年龄和质量的星团，不能解决成恒星。基于蒙特卡罗模拟，我们开始探索的概率分布的星团性质得到了一组多波长光度数据。
2009-08-19 astro-ph.CO astro-ph.IM
Stellar dating using chemical clocks and Bayesian inference
测定恒星的年龄是一项重大挑战，对许多天体物理学领域都有着深远的影响。最有前途的技术之一是使用化学丰度。最近的空间和地面设施通过精确的观测改善了恒星的数量。这为使用贝叶斯推断工具最大化我们可以从中提取的信息打开了大门。我们的目标是提出准确和可靠的恒星年龄估计FGK恒星的化学丰度和恒星参数。我们使用了最灵活的贝叶斯推断技术之一（分层贝叶斯模型），以超越目前使用化学丰度进行恒星定年的可能性。我们的模型是数据驱动的模型。我们使用的训练集，已在文献中提出的年龄估计等时线和准确的恒星丰度和一般特征。该模型的核心是将某些丰度比作为恒星性质（包括年龄）的线性组合。我们收集了四个不同的测试集，以评估我们模型的准确性，精确度和限制。我们还训练了一个仅使用化学丰度的模型。我们发现，我们的年龄估计值与来自星震学、其他精确来源以及10颗盖亚基准恒星的年龄估计值吻合得很好。我们的估计值与参考值的平均绝对差为0.9Ga，平均差为0.01Ga。当使用疏散星团时，我们对毕宿星、NGC 2632、Ruprecht 147和IC 4651的观测结果非常一致。我们还发现了异常值，这些异常值反映了训练集有效范围的极限处的化学特性和/或星。仅使用化学丰度的模型显示出稍差的平均绝对差（1.18 Ga）和平均差（-0.12 Ga）。
2022-01-13 astro-ph.GA astro-ph.IM astro-ph.SR
Chronos: Towards a self-consistent and absolute stellar age scale. I. A Bayesian hierarchical lithium-age model: Validation on the Pleiades cluster
Centro de Astrobiología (CAB), CSIC-INTA（天文生物学中心 (CAB)，西班牙国家科学技术研究委员会-国家航空航天技术研究所）；Departamento de Física de la Tierra y Astrofísica, Facultad de Ciencias Físicas, Universidad Complutense de Madrid（马德里康普顿斯大学物理科学学院地球与天体物理学系）；Departamento de Inteligencia Artificial, Universidad Nacional de Educación a Distancia (UNED)（西班牙国立远程教育大学人工智能系）；Dpto. Estadística e Investigación Operativa, Universidad de Cádiz（加的斯大学统计与运筹学系）；Departamento de Álgebra, Geometría y Topología, Universidad de Málaga（马拉加大学代数、几何与拓扑学系）
提出贝叶斯分层锂年龄模型Chronos，结合神经网络，通过联合推断有效温度、锂丰度和星团年龄，在昴宿星团上验证并得到一致的年龄估计。
2026-05-25 astro-ph.GA astro-ph.IM astro-ph.SR
Hierarchical Bayesian inference of photometric redshifts with stellar population synthesis models
本文提出了一个贝叶斯层次框架来分析光度星系巡天数据与恒星星族合成（SPS）模型。我们的方法耦合强大的建模的光谱能量分布与人口模型和噪声模型，分别表征星系人口和实际观测的统计特性。通过自洽地推断所有的模型参数，从高级别的超参数到单个星系的SPS参数，人们可以分离数据中的偏差和不确定性的来源，我们证明了这种方法的优势和灵活性，通过推导精确的光度红移光谱确认的星系在COSMOS领域的样本，所有26带光度和光谱红移。我们实现了与公开发布的光度红移目录基于相同的数据的性能竞争。在这项工作之前，由于SPS模型调用的计算负载繁重，这种方法在实践中是计算上难以处理的;我们使用神经仿真器克服了这一挑战。我们发现，最大的光度残差与发射线光度校准不良，从而建立一个框架，以减轻这些影响。这种基于物理的建模与机器学习的结合加速了未来宇宙学调查对光度红移估计精度的严格要求。这种方法也有可能通过光度数据集的分析在宇宙学和星系演化之间建立新的联系。
2022-11-04 astro-ph.CO astro-ph.IM
Deciphering stellar chorus: apollinaire, a Python 3 module for Bayesian peakbagging in helio- and asteroseismology
自星震革命以来，有效、可靠地提取恒星振荡模式参数一直是现代恒星物理研究的重点之一。在日震学和星震学领域，这些方法通常被称为峰袋法。我们在本文中介绍了apollinaire模块，这是一个新的Python 3开源马尔可夫链蒙特卡罗（MCMC）框架，专用于峰值装袋。必要的理论框架，以了解MCMC峰值装袋方法磁盘集成的日光和asteroseismic观测进行了广泛的描述。特别是，我们提出的模型，用于估计后验概率函数的峰值装袋框架。然后提供apollinaire模块的描述。我们解释了该模块如何实现恒星背景，p模式的全球模式和个人模式参数提取。考虑到仪器的特殊性，恒星倾角，旋转分裂，和不对称性，该模块允许拟合各种各样的p模式模型适合太阳以及恒星数据分析与不同的仪器。经过验证，通过蒙特卡洛拟合试验的合成数据，该模块是基准比较其输出与其他峰值装袋代码获得的结果。本文分析了GOLF观测的89个一年子系列的PSD。还从Kepler LEGACY样本中选择了六颗星，以展示代码对星震数据的处理能力。我们用apollinaire提取的参数与文献中提出的参数吻合良好，证明了该模块的精度和可靠性。
2022-05-10 astro-ph.IM astro-ph.SR
Unveiling the Power of Uncertainty: A Journey into Bayesian Neural Networks for Stellar dating
本文提出一种层级贝叶斯神经网络架构，用于预测恒星年龄，结合化学时钟方法，同时处理观测与认知不确定性，在测试集上实现年龄预测平均绝对误差小于1 Ga，提供更保守的测龄估计。
2025-03-27 astro-ph.GA astro-ph.IM astro-ph.SR
Kalkayotl 2.0 Bayesian phase-space modelling of star-forming regions, stellar associations, and open clusters
本文提出开源贝叶斯分层代码Kalkayotl 2.0，基于Gaia数据对恒星数不超过1000的系统进行3D/6D相空间建模并推断膨胀、收缩和旋转等内部运动学，在β-Pictoris、Hyades和Praesepe上验证了其可靠性。
2024-11-24 astro-ph.GA astro-ph.IM astro-ph.SR
Mining Gravitational-wave Catalogs To Understand Binary Stellar Evolution: A New Hierarchical Bayesian Framework
由地面引力波仪器（如高级LIGO和高级室女座）探测到的恒星质量致密双星系统的目录将提供对祖先系统的人口统计和指导恒星演化的物理学的见解。现有技术通过现象学建模、离散模型选择或模型混合来实现这一点。相反，我们探索了一种新的技术，挖掘引力波目录，直接推断后验概率分布的超参数描述的形成和演化的情况下（例如，祖金属丰度，踢参数，和共同的包络效率）。我们使用一个银行的紧凑二进制人口合成模拟训练高斯过程仿真器，作为一个先验观测参数分布（如啁啾质量，红移，率）。这个模拟器插入到一个分层的人口推断框架中，以提取Advanced LIGO和Advanced Virgo探测到的系统的潜在天体物理起源。我们的方法是快速的，很容易通过额外的模拟扩展，并且可以适用于训练任意的人口合成代码，以及不同的检测器，如LISA。
2018-09-21 astro-ph.HE astro-ph.IM gr-qc
Bayesian parameter estimation of stellar-mass black-hole binaries with LISA
我们提出了一个贝叶斯参数估计管道测量与LISA的螺旋恒星质量的黑洞二进制文件的属性。我们的策略（i）是基于三个噪声正交LISA数据流的相干分析，（ii）采用准确和计算效率高的后牛顿波形占自旋进动和轨道偏心率，和（iii）依赖于一个嵌套的采样算法的模型证据和后验概率密度函数的计算描述一个二进制的全部17个参数。我们通过分析LISA数据挑战（LDC-1）数据集，包括66个准圆形，自旋对齐的二进制文件的信噪比范围从3到14和合并时间从3000到2年不等，证明了这种方法的性能。我们恢复22二进制信噪比高于8。在$90\%$置信度下，它们的啁啾质量通常优于$0.02 M_\odot$，而天空定位精度范围从1到100平方度。质量比和自旋参数只能对在飞行任务寿命期间合并的源进行约束。此外，我们报告成功恢复的偏心，自旋旋进源的信噪比为15，我们可以测量的偏心率$3\times 10^{-3}$。
2021-11-22 astro-ph.HE astro-ph.IM gr-qc
Probabilistic Catalogs for Crowded Stellar Fields
我们提出并实现了一个概率（贝叶斯）的方法，从恒星场的图像产生目录。该方法能够推断图像中的源的数量N，并且还可以处理由噪声、重叠源和未知的点扩散函数（PSF）引入的挑战。即使每颗恒星的精确光度不确定，也可以通过使用分层贝叶斯模型来推断恒星的光度函数。在两幅不同星数的模拟图像上证明了该方法的计算可行性。我们发现，我们的方法成功地恢复了输入参数值以及原则性的不确定性，即使在现场拥挤。我们还比较了我们的结果与SExtractor软件获得的结果。虽然这两种方法在很大程度上同意明亮恒星的通量，但贝叶斯方法提供了关于昏暗恒星和恒星数量的更准确的推断，特别是在拥挤的情况下。
2013-04-20 astro-ph.IM physics.data-an stat.AP
SteParSyn: A Bayesian code to infer stellar atmospheric parameters using spectral synthesis
内容：SteParSyn是一个用Python 3.X编写的自动化代码，旨在根据光谱合成方法推断FGKM型恒星的恒星大气参数Teff，log（g）和[Fe/H]。目的：我们提出了一个描述的SteParSyn代码和测试其性能对一个样本的晚型恒星，观察与HERMES光谱仪安装在1.2米墨卡托望远镜。该样本包含35个晚型目标，这些目标具有独立于光谱学确定的众所周知的恒星参数。该代码在GitHub存储库中提供给天文社区。研究方法：SteParSyn使用马尔可夫链蒙特卡罗（MCMC）采样器，通过将动态生成的合成模型光谱与观测结果进行比较来探索参数空间。合成光谱是用光谱仿真器生成的。结果：我们计算了Teff，log（g）和[Fe/H]为我们的样本星，并讨论了代码的性能。我们计算了这些靶的内散射，Teff为-12 +-117 K，log（g）为0.04 +-0.14 dex，[Fe/H]为0.05 +-0.09 dex。此外，我们发现，与SteParSyn得到的log（g）值是一致的三角表面重力的0.1 dex水平。最后，对于vsini <= 30 km/s的恒星，SteParSyn可以计算精确到50 K、0.1 dex和0.05 dex的Teff、log（g）和[Fe/H]的恒星参数。
2021-10-01 astro-ph.EP astro-ph.IM astro-ph.SR
Miec: A Bayesian hierarchical model for the analysis of nearby young open clusters
上下文分析年轻星团的光度和质量分布对于理解恒星形成过程是必不可少的。然而，这一过程留下的气体和尘埃使新生恒星的光线消失，并严重影响了星团成员的普查及其光度分布。目的。我们的目标是发展一种贝叶斯方法来推断，由于光度消光的最小偏差，嵌入的年轻星团的候选成员和星等分布。方法.我们改进了以前发表的方法，并将其应用扩展到嵌入式星团。我们验证了该方法使用综合的数据集的昴星团不同程度的灭绝。结果我们的方法可以恢复成员的数据集，以精确度，真阳性，和污染率，分别优于99%，80%和9%，最高可达Av ~ 6 mag。缺失值通过将污染物和伪影引入到幅度分布中来妨碍我们的方法。尽管如此，这些文物消失，通过使用信息先验分布的自行。结论.这里提出的方法恢复，以最小的偏差，嵌入的星团的成员和分布的数据集与高比例的源缺失值（>96%）。
2021-02-24 astro-ph.GA astro-ph.IM astro-ph.SR
Bayesian inference of stellar parameters and interstellar extinction using parallaxes and multiband photometry
天体测量巡天提供了测量大量恒星绝对星等的机会，但前提是要知道各个恒星的视线距离。不幸的是，消光是高度退化的恒星有效温度时，估计从宽带光学/红外测光。为了解决这个问题，我介绍了一个贝叶斯方法估计的内在参数的恒星和它的视线消光。它以自洽的方式使用光度测量和视差，以提供参数的非参数后验概率分布。该方法明确使用领域知识，采用赫兹-罗素图（HRD）来约束解决方案，并确保他们尊重恒星物理。我首先证明了这种方法，用它来估计有效温度和消光BVJHK数据的一组人工变红依巴谷星，准确的有效温度已估计从高分辨率光谱。仅使用这四种颜色，我们就可以看到温度和灭绝之间预期的强简并性（正相关）。引入视差，视星等和HRD减少了这种退化，并提高了精度（减少误差条）和参数估计的准确性，后者约35%。最终的精确度在温度上约为200 K，在消光上约为0.2mag。然后，我应用该方法来估计这些参数和绝对星等的一些47000 F，G，K依巴谷星已交叉匹配与2 MASS。该方法可以很容易地扩展到其他参数的估计，特别是金属丰度和表面重力，使其特别适合于分析来自盖亚的10^9颗恒星。
2010-11-05 astro-ph.GA astro-ph.IM stat.AP
A Bayesian Approach to Inferring Accretion Signatures in Young Stellar Objects: A Case Study with VIRUS
本文提出基于贝叶斯框架和NUTS采样的nuts-for-ysos工具，从VIRUS光谱推断15个YSO的吸积率，并验证其可靠性，为未来大样本研究提供改进方法。
2025-01-23 astro-ph.GA astro-ph.IM astro-ph.SR
