发布时间:2024-12-13 17:15:35 来源: sp20241213
科技日报昆明9月17日电 (记者赵汉斌)记者17日从中国科学院云南天文台了解到,该台恒星物理研究团组和天文技术实验室近期基于机器学习,合作开发了快速计算恒星—行星系统潮汐演化的方法。相对于传统的理论模型计算,新方法的计算速度可提高四个数量级。相关研究成果在线发表于国际期刊《皇家天文学会月报》。
由恒星和行星组成的类双星系统的演化过程,涉及恒星和行星自身的演化、恒星和行星的物质损失、恒星和行星之间的潮汐演化。潮汐演化不仅改变了恒星的自转,也调整了行星的轨道参数,比如偏心率和轨道间距。传统方法通过在恒星演化中添加潮汐演化的计算模块,从而得到其潮汐演化状态,但计算效率较低,不利于将潮汐演化整合到恒星和行星组成的类双星系统演化中。
鉴于此,云南天文台博士生郭帅帅和研究员季凯帆、郭建恒等人,基于机器学习的方法,在一个包括了恒星质量、金属丰度、初始自转周期、行星质量、轨道半长轴等的参数空间中,计算了15000余条潮汐演化的模型。随后,他们对这些演化模型作了复原,得出不同年龄条件下恒星的有效温度、半径、自转周期和行星的轨道周期等数据。
依据恒星—行星系统潮汐演化特征,研究人员进一步将其分为6个类型。他们发现,除了恒星自转和行星轨道周期几乎一致的情况外,机器学习方法得到的结果,可在很大程度上复现理论计算所得的恒星—行星潮汐演化状态。
此项研究提供了可以便捷地将潮汐演化整合到恒星—行星系统演化中的方式,有助于理解此类系统的基本物理机制,也为分析该系统在不同迁移状态下的演化特征奠定了基础。
(责编:杨曦、陈键)