Accurate stellar parameters and precise elemental abundances are vital pieces to correctly characterize discovered planetary systems, better understand planet formation, and trace galactic chemical evolution. We have performed a uniform spectroscopic analysis for 1127 stars, yielding accurate gravity, temperature, and projected rotational velocity in addition to precise abundances for 15 elements (C, N, O, Na, Mg, Al, Si, Ca, Ti, V, Cr, Mn, Fe, Ni, and Y). Most of the stars in this sample are Kepler Objects of Interest, observed by the California-Kepler Survey (CKS) and include 1,003 stars hosting 1,562 confirmed planets. This catalog extends the uniform analysis of our previous catalog, bringing the total of homogeneously analyzed stars to almost 2,700 F, G, and K dwarfs. To ensure consistency between the catalogs, we performed an analysis of our ability to recover parameters as a function of S/N ratio and present individual uncertainties as well as functions to calculate uncertainties for parameters derived from lower S/N ratio spectra. With the updated parameters, we used isochrone fitting to derived new radii, masses and ages for the stars. Finally, we look at the Mg/Si ratios of super-Earth and sub-Neptune hosts to test whether differences in initial composition might lead to differences in planet radius. We find no differences in the Mg/Si distribution as a function of planet radius.


翻译:精确的恒星参数和精确元素丰度是准确确定所发现的行星系统特征、更好地了解行星形成和追踪星系化学演变的重要部分。我们已经对1127颗恒星进行了统一的光谱分析,得出了精确的引力、温度和预测旋转速度,以及15个元素(C、N、O、Na、Mg、Al、Si、Ca、Ti、V、Cr、Mn、Fe、Ni和Y)的精确丰度。本样本中的大多数恒星都是开普勒利益对象,由加利福尼亚-开普勒勘察(CKS)观测到,其中包括1 003颗接收1 562个确认行星的恒星。这个星目录扩展了我们以往星目录的统一分析,使同质分析的恒星总数达到近2 700F、G和K侏儒。为了确保目录之间的一致性,我们分析了我们作为S/N比率函数的恢复参数的能力,并发现了个别的不确定性,以及计算从较低的S/N比率谱中得出参数的不确定性的功能。根据最新的参数,我们使用的最新参数来,S-S级的星系的星系构成和M级的星系,我们最终的星系的星系的测测测测测测测到我们是否为M级的星系的星系的星系的星系的星系的星系的星系的星系的星系和M。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Feature Denoising for Improving Adversarial Robustness
Arxiv
15+阅读 · 2018年12月9日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
6+阅读 · 2018年3月28日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Feature Denoising for Improving Adversarial Robustness
Arxiv
15+阅读 · 2018年12月9日
Arxiv
8+阅读 · 2018年11月27日
Arxiv
6+阅读 · 2018年3月28日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
4+阅读 · 2018年1月15日
Top
微信扫码咨询专知VIP会员