W oparciu o pierwszy zestaw danych (DR1) zebranych przez teleskop LAMOST (Large Sky Area Multi-Object Fiber Spectroscopic Telescope), astronomowie uzyskali informacje o fundamentalnych parametrach niemal 30 000 karłów typu M. Opisujący je artykuł naukowy opublikowano 13 grudnia na portalu arXiv.
Karły typu M to najpowszechniejsze gwiazdy w naszej galaktyce i doskonałe cele dla poszukiwaczy planet pozasłonecznych. Obserwacje tych gwiazd dają możliwość odkrywania nowych egzoplanet o rozmiarach Ziemi i superziemi za pomocą pomiarów prędkości radialnych lub w trakcie obserwacji tranzytów. Określenie fundamentalnych parametrów karłów typu M, takich jak promień czy masa, jest zatem kluczowe do opracowania lepszej charakterystyki potencjalnych obcych globów, które wokół nich krążą.
Zestaw danych DR1 z z przeglądu spektroskopowego w zakresie optycznym, zrealizowanego za pomocą teleskopu LAMOST, opublikowano w 2015 roku. W danych znalazły się widma około 121 000 karłów typu M. Jednak jak dotąd większość z tych obiektów jeszcze nie została scharakteryzowana poza prostym przypisaniem podtypu widmowego na podstawie fotometrii.
Z tego też powodu zespół astronomów kierowany przez Briannę Galgano z Fisk University w Nashville wykorzystał opartą na danych metodę określania parametrów fizycznych oraz składu chemicznego gwiazd na podstawie ich widm. Technika „The Cannon” pozwoliła im określić podstawowe parametry prawie 30 000 karłów typu M znajdujących się w bazie LAMOST DR1.
Badaczom udało się określić temperatury, promienie, masy i jasność 29 678 karłów typu od M0 do M6. Promienie tych gwiazd mieszczą się w zakresie od 0,14 do 0,66 promieni Słońca, a ich masy od 0,1 do 0,71 mas Słońca. Ich temperatury mieszczą się w zakresie od 2901K do 4113K, a jasność 0,002 do 0,115 tej wartości dla Słońca.
W podsumowaniu astronomowie zaznaczają, ze model zastosowany do bazy DR1 może być przydatny przy kolejnych zestawach danych z LAMOST. W ten sposób będzie można znacząco powiększyć bazę dobrze scharakteryzowanych karłów typu M przy wykorzystaniu nowych metod modelowania opartych wyłącznie na danych.
Źródło: Science X Network
Artykuł naukowy: https://arxiv.org/abs/1912.06648