Skip to main content

LUP Student Papers

LUND UNIVERSITY LIBRARIES

Understanding Bayesian stellar distance and stellar parameter estimation

Jilavu, Calin LU (2019) In Lund Observatory Examensarbeten ASTK02 20191
Lund Observatory - Undergoing reorganization
Abstract
The consensus in the field is that we have a pretty good understanding of the physics behind star formation and evolution. So far, the models that have been created characterize the different collections of stars in our Milky Way galaxy with decent accuracy, and they have allowed for humanity to obtain insights into how our universe evolved. However, the author believes that our current techniques and theory that go into such models might be biased or slightly flawed.

A simulated model of the Milky Way is used to generate virtual stars whose properties are known. These stars are then analysed using the current most up-to-date techniques, and the obtained values for the various stellar properties are compared with the already known... (More)
The consensus in the field is that we have a pretty good understanding of the physics behind star formation and evolution. So far, the models that have been created characterize the different collections of stars in our Milky Way galaxy with decent accuracy, and they have allowed for humanity to obtain insights into how our universe evolved. However, the author believes that our current techniques and theory that go into such models might be biased or slightly flawed.

A simulated model of the Milky Way is used to generate virtual stars whose properties are known. These stars are then analysed using the current most up-to-date techniques, and the obtained values for the various stellar properties are compared with the already known values. Non-trivial evidence is obtained that we are indeed systematically over-/underestimating the values of these parameters by almost 1 standard deviation in most cases. Some possible ideas about why this might be the case are explored within this document. (Less)
Popular Abstract (Swedish)
Astronomi är ett vetenskapsområde som får allt mer uppmärksamhet varje år, allteftersom vi blickar mot stjärnorna för framtida utforskning och kolonisation. Det är därför väldigt viktigt att mänskligheten fortsätter att arbeta med att förstå hur universum fungerar när det kommer till avlägsna stjärnor. Vi lär oss om detta genom att, bland annat, skapa modeller och simuleringar av vår galax baserade på vad vi vet från observationer och teorier. Det här hjälper oss att förbättra vår dataanalys.

Men, vi tror att våra nuvarande tekniker och teorier som krävs för att skapa sådana modeller för att analysera data kan vara vinklade eller bristfälliga. Det skulle vara väldigt problematiskt om det är så, och det är därför viktigt att ta ett... (More)
Astronomi är ett vetenskapsområde som får allt mer uppmärksamhet varje år, allteftersom vi blickar mot stjärnorna för framtida utforskning och kolonisation. Det är därför väldigt viktigt att mänskligheten fortsätter att arbeta med att förstå hur universum fungerar när det kommer till avlägsna stjärnor. Vi lär oss om detta genom att, bland annat, skapa modeller och simuleringar av vår galax baserade på vad vi vet från observationer och teorier. Det här hjälper oss att förbättra vår dataanalys.

Men, vi tror att våra nuvarande tekniker och teorier som krävs för att skapa sådana modeller för att analysera data kan vara vinklade eller bristfälliga. Det skulle vara väldigt problematiskt om det är så, och det är därför viktigt att ta ett steg tillbaka och reflektera över våra nuvarande metoder för att försäkra oss om att de är tillräckligt noggranna. I det här projektet kommer vi därför att testa de här teknikerna och kortfattat förklara de möjliga orsakerna till alla funna systematiska avvikelser.

Hur tänker vi testa våra tekniker?

Vi skapar en ”simulerad galax”, liknande vår egen Vintergata, med samlingar av virtuella stjärnor fördelade i galaxen enligt nuvarande teorier. Vi samlar sedan in data om de här stjärnorna, egenskaper som vanligtvis mäts i undersökningar (som temperatur, ytgravitation, hur mycket de lyser i olika delar av det elektromagnetiska spektrumet, etcetera). Sen analyserar vi varje stjärna med de senaste analysteknikerna för att beräkna vilka egenskaper som passar den bäst, baserat på de ursprungliga villkoren. Eftersom vi vet allting om de simulerade stjärnorna, kan vi jämföra deras egenskapers faktiska värden med de vi har beräknat. Skillnader mellan de observerade och beräknade värdena informerar oss om systematiska fel i de teknikerna som vi har använt. Vi upprepar processen för olika antaganden om fördelningen av stjärnor för att försäkra oss om att vi inte själva har introducerat ett systematiskt fel.

Det visar sig att de flesta huvudseriestjärnornas, stjärnor som Solen, massor blir underskattade, medan det motsatta stämmer för jättestjärnor. Mindre skillnader upptäcktes för ålder, ytgravitation och avstånd till stjärnorna, jättestjärnor var mest påverkade. Orsakerna till detta kan vara allt från systematiska fel i de mätningar som använts för att modellera stjärnorna till att börja med, till brister i denna studies metodologi. Trots det visar projektet på att det kan finnas djupare fel med våra nuvarande tekniker. Vidare studier krävs för att försäkra oss om att vi är på rätt spår i vår strävan efter kunskap om astronomi. (Less)
Please use this url to cite or link to this publication:
author
Jilavu, Calin LU
supervisor
organization
course
ASTK02 20191
year
type
M2 - Bachelor Degree
subject
keywords
physics, astronomy, bayesian, stellar parameters, galaxia, bdasp
publication/series
Lund Observatory Examensarbeten
report number
2019-EXA151
language
English
id
8982525
date added to LUP
2019-08-06 08:55:43
date last changed
2019-08-06 08:55:43
@misc{8982525,
  abstract     = {{The consensus in the field is that we have a pretty good understanding of the physics behind star formation and evolution. So far, the models that have been created characterize the different collections of stars in our Milky Way galaxy with decent accuracy, and they have allowed for humanity to obtain insights into how our universe evolved. However, the author believes that our current techniques and theory that go into such models might be biased or slightly flawed.
		
 A simulated model of the Milky Way is used to generate virtual stars whose properties are known. These stars are then analysed using the current most up-to-date techniques, and the obtained values for the various stellar properties are compared with the already known values. Non-trivial evidence is obtained that we are indeed systematically over-/underestimating the values of these parameters by almost 1 standard deviation in most cases. Some possible ideas about why this might be the case are explored within this document.}},
  author       = {{Jilavu, Calin}},
  language     = {{eng}},
  note         = {{Student Paper}},
  series       = {{Lund Observatory Examensarbeten}},
  title        = {{Understanding Bayesian stellar distance and stellar parameter estimation}},
  year         = {{2019}},
}