2015年,Ness等人提出了数据驱动的The Cannon算法来计算恒星参数,这种方法的优势是可以容易地在不同光谱巡天之间相互定标恒星参数。
章博等人发现该方法存在一定的局限性:只能对很窄的参数范围内的恒星进行建模(例如有效温度从5500K-3800K),而无法扩展到更宽范围。
因此章博等人提出利用支持向量回归(一种非参数化回归模型)来改进这种数据驱动的恒星参数计算方法,构建了SLAM方法。
经测试,SLAM方法在宽参数范围内展示出优越的性能,使得光谱巡天的相互定标不再受到参数范围的限制。
这体现了SLAM方法相较于The Cannon算法的巨大优势。SLAM方法为开展银河系的科学研究提供了非常有力的工具。