近期，广州大学国家天文科学数据中心大湾区分中心和中国科学院国家天文台团队的谈磊、王锋、梅盈、邓辉、柳志存和刘超等人，开展了基于深度迁移学习方法的白矮星的搜寻研究。本研究基于LAMOST发布的光谱数据，通过迁移学习方法构建分类模型用于搜寻LAMOST中的白矮星，并得到了6317个候选体，通过交叉和人工证认，有4968颗被证明是白矮星，其中489颗是新发现的。

该项研究成果以“A White Dwarf Search Model Based on a Deep Transfer-learning Method”为题发表于国际天文学杂志《天体物理学期刊增刊》（The Astrophysical Journal Supplement Series）。论文链接：点击这里。

白矮星是 97% 以上恒星演化的最终阶段，在银河系结构和演化研究中发挥着至关重要的作用。近年来，利用深度学习方法识别大规模数据中的特殊天体取得了良好的进展。国家大科学装置LAMOST运行至今，从低分辨率到中分辨率巡天已经积累了千万级的恒星光谱数据，为白矮星的搜寻提供了充足的数据源。

本研究提出了一种基于迁移学习的白矮星识别方法。本研究利用 LAMOST DR9 发布的光谱构建数据集，训练了一个卷积神经网络模型，然后利用迁移学习方法对该模型进行进一步训练，得到一个二分类模型。最终模型由一个七分类模型和一个二分类模型组成。该模型在测试集上的准确率为96.08%，本研究利用训练得到的模型在LAMOST DR9中成功找到了489个新的白矮星，其中包括377个DA、1个DB、4个DZ、1个磁WD、101个DA+M双星和1个 DB+M 双星。

图1 本文使用的CNN模型

本研究得到国家SKA计划（2020SKA0110300）、广州市科技经费（2023A03J0016）、广州大学研究生基础创新项目（2021GDJC-M15）的资助。本研究还得到了PCL重点项目的支持。