近日，国家天文台白宇副研究员、刘继峰研究员基于LAMOST和SDSS数据库，利用机器学习的方法，开发天体分类器和恒星温度回归器，并把天体分类器应用到最新发布的Gaia DR2星表，揭示了Gaia DR2中天体类型组成。这是国际上使用最大样本开发的天体分类器和恒星温度回归器，该项研究成果已经被《天文学杂志》(AJ)接收，应用于Gaia DR2的最新结果已经发表在《天文和天体物理学研究》(2018，RAA，18，118)上。

近几年，科学技术进步推动的天文数据呈现指数增长,天文大数据时代已经到来。科学家们曾经使用的光谱分类方法，难以应对十亿计的测光巡天数据。曾经使用的多色分类方法，也随着颜色的增多而变得非常复杂，无法给出函数表达式，分类准确率低，污染严重。然而，二十世纪中叶发展起来的机器学习方法，能够有效的探测多维参数空间中隐藏的规律，帮助天文学家进行决策和预测。它的核心思想是教会计算机通过“经验”，而不是判据，对未知数据进行判断。

这里的“经验”，是指开发模型所需要的训练数据，它的准确性直接关系到最后产出的正确率。所以，光谱巡天数据被认为是理想的“经验”数据。国家重大科技基础设施郭守敬望远镜(LAMOST)巡天已经产出近千万量级的天体光谱，为科研人员开发机器学习模型提供了机遇。首先，科研人员合并LAMOST和SDSS的光谱分类结果；其次，结合可见光和红外巡天数据，获取这些天体的多色数据库；再次，测试不同的机器学习方法，找出效率最高的算法并开发天体分类器，通过不同巡天数据对分类器进行盲测，准确率为94%-99%；最后，依据光谱巡天给出的恒星温度，开发恒星温度回归器，使用其它巡天数据对回归器进行盲测，标准偏差为200K。此外，科研人员还把分类器应用于最新发表的Gaia DR2，发现其中大约98%为恒星，2%为星系和类星体，使用视差相对误差的判据可以得到非常纯净的恒星样本。该项研究成果对于天体大数据分析，Gaia DR2星表的合理应用有着重要的意义。

Gaia DR2中恒星所占百分比随视差相对误差的分布,右图为左图的放大

该成果论文链接：

Machine Learning Applied to Star–Galaxy–QSO Classification and Stellar Effective Temperature Regression

http://adsabs.harvard.edu/abs/2018RAA....18..118B

Machine learning classification of Gaia Data Release 2

http://adsabs.harvard.edu/abs/2019AJ....157....9B