天文权威期刊《天体物理学杂志》2025年6月5日刊发了一项关于银河系古老星团NGC 6253的重要研究。云南开放大学人工智能应用技术学院迟焕斌博士与NADC大湾区分中心共建单位广州大学王锋教授团队融合机器学习技术，首次在35亿年老的富金属星团中发现双星系统的质量分层现象，为理解恒星集群演化提供了关键新证据。论文链接：点击这里。

图1：识别的蓝离散星和黄离散星

研究团队开发了一套星团多波段机器学习分析框架，实现从星团成员识别到动力学演化的全链条研究：1）智能成员筛选：结合DBSCAN聚类算法与高斯混合模型，从3.5万颗恒星中精准锁定744颗高置信度成员星（概率>0.5）；2）参数精确拟合：通过 贝叶斯分析工具（BASE-9）计算关键参数，测得星团年龄35亿年、超太阳金属丰度（[Fe/H]=+0.30）、距离地球1495秒差距；3）形态动力学解析：利用改进的King模型揭示星团潮汐尾结构（潮汐半径24.4秒差距＞核心半径1.3秒差距）；4）特殊天体识别：基于颜色-星等图和零龄主序等演化位置锁定，发现11颗蓝离散星与7颗黄离散星。

图2：基于贝叶斯拟合的参数corner图。

研究首次在古老富金属星团中发现双星系统的质量分层现象：双星比例高达36.29%（质量比>0.6）；高质量双星显著向星团中心聚集（KS检验p值=0.00977）；整体质量函数呈现"大质量主导"特征（高/低质量区斜率α=-2.91/2.2）；动力学弛豫时间（3247万年）远小于星团年龄，证实其已进入深度演化阶段。

图3：双星和单星的累计分布。

"这就像发现恐龙时代的活化石"，研究人员认为，"NGC 6253的金属含量比太阳高2倍，双星系统通过动力学相互作用，成为质量分层的'隐形推手'"。迟焕斌博士强调："机器学习让我们从多元异构的天文观测数据中捕捉到人眼无法识别的演化痕迹，这套技术框架可推广至其他星团研究。"

该研究获得中国SKA专项（2020SKA0110300）、国家自然科学基金（1243000372）支持。