POSTELLAR：后验恒星光谱采样——系外行星分析中近似恒星光谱的替代方法
POSTELLAR: Posterior Stellar Spectrum Sampling - An Alternative to Approximate Stellar Spectra for Exoplanetary Analysis
- McGill University（麦吉尔大学）
- Trottier Space Institute, McGill University（麦吉尔大学特罗蒂尔太空研究所）
- Ciela Institute（Ciela研究所）
- Department of Earth and Planetary Sciences, McGill University（麦吉尔大学地球与行星科学系）
- Université de Montréal（蒙特利尔大学）
- Mila—Quebec Artificial Intelligence Institute（Mila-魁北克人工智能研究所）
- Institut Trottier de Recherche sur les Exoplanètes, Université de Montréal（蒙特利尔大学特罗蒂尔系外行星研究所）
- Observatoire du Mont-Mégantic, Université de Montréal（蒙特利尔大学梅格尼克山天文台）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
提出postellar方法，通过将恒星光谱视为潜在变量并结合扩散模型先验进行后验采样，在高分辨率光谱中更准确恢复恒星光谱并提升径向速度精度，适用于系外行星分析。
AI中文摘要：
我们提出了一种在高分辨率光谱观测中对底层恒星光谱进行后验采样的新方法。我们的方法postellar，将经验观测与基于物理的模型的信息有机结合，能够在提供可传播到下游分析的不确定性的同时，实现更准确的光谱恢复。这是通过将固有恒星光谱视为潜在变量，并在高斯似然下进行后验采样来实现的，其中使用基于分数的扩散模型构建信息先验，该模型在PHOENIX恒星模型上训练。我们在由巴纳德星和比邻星的经验光谱生成的合成SPIRou径向速度（RV）观测上验证了该框架。与标准经验模板相比，使用postellar推断的光谱能更准确地恢复真实值。对于中等信噪比观测，postellar将RV精度提高了最多三倍，而由经验模板导出的RV往往存在偏差。该方法在低信噪比和低观测频率情况下表现尤为出色。postellar框架可广泛适用于其他高分辨率光谱科学案例，包括恒星丰度分析和系外行星大气表征。
英文摘要：
We present a novel approach to perform posterior sampling of the underlying stellar spectrum in high-resolution spectroscopic observations. Our method, postellar, coherently combines information from empirical observations and physics-based models, enabling more accurate spectral recovery while providing uncertainties that can be propagated into downstream analyses. This is accomplished by treating the intrinsic stellar spectrum as a latent variable and performing posterior sampling under a Gaussian likelihood with an informative prior constructed using a score-based diffusion model trained on PHOENIX stellar models. We validate the framework on synthetic SPIRou radial velocity (RV) observations generated from the empirical spectra of Barnard's Star and Proxima Centauri. Spectra inferred with postellar more accurately recover the ground truth than standard empirical templates. For medium signal-to-noise observations, postellar improves RV accuracy by up to a factor of three, while RVs derived from empirical templates tend to be biased. This method performs particularly well in low signal-to-noise and low-cadence regimes. The postellar framework is broadly applicable to other high-resolution spectroscopy science cases including stellar abundance analyses and exoplanet atmospheric characterization.
