Using Tensorflow on stellar classification

摘要

恆星的光譜型態分類是天文學中的基本工作，藉由光譜型態可以初步診斷恆星的質量、溫度、演化階段等基本參數。傳統的光度分類方法有時難以分辨不同種類的星球，另一方面，光譜觀測雖然準確但太過耗時。因此，我們嘗試使用基於神經網路的機器學習法來建構統計上足夠準確的恆星分類模型，以期應用在未來更大規模的巡天觀測中。

關於天文學的背景知識會花一些篇幅介紹，但若有物理或天文的基礎知識會更容易暸解。

說明

[2018 物理年會的海報摘要 ](http://tps2018.conf.tw/site/order/1171/topic_view.aspx?sid=1171&lang=en&pid=160#P2-AG) 海報題目: 應用類神經網路模型與光度資料於恆星光譜分類 海報編號: P2-AG-047 其他類似的應用: * [利用 CNN 演算法來尋找太陽系外行星](https://www.nasa.gov/press-release/artificial-intelligence-nasa-data-used-to-discover-eighth-planet-circling-distant-star)，論文連結: https://www.cfa.harvard.edu/~avanderb/kepler90i.pdf * [利用 CNN 演算法在影像中找尋重力透鏡](https://www.nature.com/articles/nature23463?foxtrotcallback=true)

講者

Poshih Chiang

中央大學天文所博士後, 學習如何應用不同的機器學習演算法來探索宇宙