摘要
论文基于LAMOST光谱巡天获取的海量恒星光谱数据，结合多波段测光数据和自行星表，开展银河系恒星基本参数测量及年龄分布研究，为深入理解银河系的形成和演化提供新的至关重要的线索。 首先，一个名为StarNet的深度神经网络结构用来从LAMOST光谱中估计恒星参数和(Teff，logg，[M/H])和α，C，N元素丰度，使用和APOGEE巡天的共同观测恒星作为训练集。当g波段光谱信噪比大于10时，测试显示我们的方法带来不确定度为Teff～45K，logg～0.1dex，[M/H]～0.05dex，[α/M]～0.03dex，[C/M]～0.06dex，[N/M]～0.07dex。因为训练集中只有少量恒星具有[M/H]＜-1.0dex，所以不确定性由[M/H]＞-1.0dex的恒星支配。基于测试结果，我们认为StarNet可以有效的为LAMSOT巡天的低分辨率光谱测量参数。训练好的神经网络被用于为LAMOSTDR5的938720颗巨星预测参数。在4000K＜Teff＜5300K，0dex＜logg＜3.8dex和-2.5dex＜[M/H]＜0.5dex的参数范围内，与高精度的测量（PASTEL，星震学logg）对比，带来了不确定性为Teff～100K，logg～0.10dex，[M/H]～0.12dex。我们的估计值与高精度的测量一致。在这个工作中，一个深度神经网络成功的应用到LAMOST的大量光谱上，深度神经网络有一个杰出的表现，这证明深度学习可以有效的减少不同巡天pipeline测量的参数的不一致。 然后，我们利用从[C/N]丰度比中获取的经验关系，为来自LAMOSTDR5的556007颗巨星确定了年龄和质量。我们的样本揭示了age-[α/M]关系中已知的两个序列。高α序列由老于8Gyr的恒星组成，低α序列由从0Gyr到13.8Gyr范围内的恒星组成。我们的样本在到12Gyr的范围内也显示了一个平的age-[M/H]关系。我们对比了这些分布与银河系化学演化模型。当我们在2Gyr的年龄间隔下看这些恒星的空间分布，我们发现，年轻的恒星集中在银河系中平面而年老的恒星扩展到距离银盘更高和更低的区域。我们发现在不同的年龄间隔下，银河系的中值高度有一个平滑的过度，这表明银河系的标高有一个很强的年龄依赖。
NETL