寻找球状星团中最佳的诊断方法(MRSES方法)

《Astronomy and Computing》:Search for the best diagnostics in globular clusters (MRSES Approach)

【字体: 大 中 小 】 时间:2026年01月28日 来源:Astronomy and Computing 1.8

编辑推荐:

  高维分类与特征提取在分析天文数据时面临显著挑战,本文提出基于随机搜索与贝叶斯距离的MRSES算法,用于检测高维噪声中的弱结构信号。通过处理APOGEE DR17中M13和M3的恒星化学丰度数据,验证该算法在冗余特征和噪声抑制中的有效性,并成功识别多代恒星成分差异,克服传统LASSO和随机森林方法局限。

  
A. Chilingarian
亚美尼亚埃里温物理研究所,Alikhanyan Brothers 2号,埃里温36,AM00036

摘要

在高维数据中,分类和特征提取面临重大挑战,尤其是在分析天体物理数据时。本文描述了如何实现“多重随机搜索与提前停止”(MRSES)算法,以检测高维噪声中的微弱、结构化信号。我们通过将该算法应用于APOGEE项目获取的球状星团M13和M3的元素丰度数据,将其改编用于恒星种群研究。
MRSES方法利用Bhattacharyya距离指导的随机子集评估来根据特征对类别分离的贡献对其进行排序。在球状星团中,这种方法能够在不假设线性关系或依赖边际统计量的情况下,识别出化学性质不同的亚种群。在M13中,MRSES能够识别出经典的第二代标志元素,如[Al/Fe]和[Na/Fe];而在M3中,则能检测到由铁族元素驱动的更微妙的变化,显示出其对微弱内部差异的敏感性。
在合成高斯数据集上的基准测试验证了该方法在不同维度和相关结构下的鲁棒性。MRSES通过使用随机采样而非参数拟合来避免过拟合,而Bhattacharyya距离阈值则基于经验校准的噪声边界,而非任意参数。

引言

在高维数据中恢复微弱、结构化的信号是数据分析中的一个核心挑战,尤其是当特征数量远超过样本数量时。这一问题在天体物理学研究中尤为突出,因为大规模的恒星调查提供了关于多种恒星种群的多维化学和运动学信息。
传统方法(如LASSO(Tibshirani, 1996)和随机森林(Breiman, 2001)在样本量小、噪声高的情况下常常存在不稳定、特征相关性抑制或泛化能力差的问题。
最近在高分辨率恒星光谱学方面的突破,特别是APOGEE DR17调查(Abdurro'uf等人,2022年)为恒星种群分析中的多变量统计方法带来了新的机遇。曾经被认为化学成分均匀的球状星团(如M13和M3)现在被发现包含多代恒星,这些恒星通过光元素丰度的变化而区分开来,包括[Na/Fe]、[Al/Fe]、[O/Fe]和[Mg/Fe](Carretta等人,2009年;Johnson和Pilachowski,2012年;Mészáros等人,2020年)。虽然单变量阈值(例如[Na/H] ≥ ?1.35;Assisi等人,2022年)可以定义化学种群,但它们未能充分利用这些恒星系统中的多变量结构。
为了解决传统单变量滤波器和正则化线性模型的局限性,我们应用了“多重随机搜索与提前停止”(MRSES)算法(Chilingarian, 1995年;Chilingarian等人,2002年),该算法最初是为基因表达中的微弱信号恢复而开发的。MRSES采用随机采样小的特征子集,并通过Bhattacharyya距离(Bhattacharyya, 1943年)对这些子集进行评估,从而根据特征在产生强类别分离中的作用对它们进行排序。这种策略能够捕捉联合统计结构,处理噪声,容忍冗余,并且可以在不依赖于全高维空间矩阵求逆的情况下扩展到数千个维度。
MRSES算法最初是在计算资源有限的时代开发的,那时提前停止是一种通过终止无效搜索路径来减少处理时间的实用方法。然而,随着现代多核和分布式计算架构的出现,MRSES中的每个随机搜索路径现在可以并行运行。这一变化使得提前停止变得不再必要,因为总路径数(R)可以在CPU或GPU上并行处理。因此,可以在不进行提前停止的情况下探索整个搜索空间,从而提高稳定性和信号恢复效果,而不会增加显著的时间成本。

方法

方法

本节简要介绍了用于球状星团基准测试和案例研究的方法。这些方法是多变量和非参数的,专注于高维空间中的稀疏数据点。分析高维天体物理数据需要能够捕捉多变量依赖性的方法,而不依赖于特定的函数形式或参数分布。在恒星丰度研究中,需要考虑化学元素和运动学指标之间的相关性。

基准测试、与Lasso、PCA和随机森林的比较

基准测试的数据集选择集中在极高维度设置和三种非参数数据分类方法上。我们的主要目标是展示MRSES在噪声较大、维度极高的环境中识别至少一些真实特征的能力。通过引入信号特征之间的相关性,我们评估了该方法如何利用集体判别性特征。
为了确保MRSES在天体物理学应用之前得到严格验证,我们设计了一系列测试

具有不同信号结构的MRSES敏感性分析

在本节中,我们展示了MRSES在检测高维噪声中嵌入的真实相关特征对方面的性能。我们比较了不同信号强度和种群结构的几种情景,并将其与纯噪声的Class 0进行了对比。我们使用了多种Class 1配置来评估信号普遍性和样本大小对相关特征恢复的影响。所有实验都使用了以下设置:
N = 100个变量
K = 5个随机子集

球状星团数据集选择:M3和M13

用于MRSES分析的M13数据集直接来自APOGEE DR17目录(Abdurro'uf等人,2022年)。APOGEE(Apache Point Observatory Galactic Evolution Experiment)是Sloan数字巡天(SDSS)的一部分,使用地面高分辨率红外光谱技术。APOGEE提供了数十万颗恒星的化学丰度和径向速度数据。DR17包含了元素丰度、恒星参数和星团分配的测量结果。

球状星团化学成分的MRSES分析

人们曾经认为球状星团只包含单一恒星种群。然而,高分辨率光谱学和光度测量揭示了许多星团包含多代恒星,这些恒星具有不同的化学特征,尤其是在Na、O、C、N、Mg和Al等元素上。理解这些化学模式对于测试球状星团形成和自我富集的理论至关重要,特别是中等质量AGB星和快速旋转的大质量恒星的作用

讨论与结论

MRSES算法在检测高维噪声中的微弱、结构化信号方面表现出强大的可扩展性能。其成功源于关键的设计原则:随机子集采样、局部化的Bhattacharyya评分和基于频率的特征排序。这些方法使MRSES能够识别出传统技术(如PCA和LASSO(Tibshirani, 1996)、随机森林(Breiman, 2001)经常忽略的微妙多变量依赖性,尤其是在信号稀疏的情况下

数据可访问性

本研究使用的数据可通过公共数据集档案获取,所有链接均已提供。

CRediT作者贡献声明

A. Chilingarian:撰写——原始草稿、可视化、正式分析、概念化。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号