热亚矮星是一类中心正在进行氦燃烧并且具有很薄氢包层的特殊恒星，在赫罗图上，它们一般位于水平分支的极蓝端，因此又被称为极端水平分支星。热亚矮星的研究与椭圆星系的“紫外超”现象、Ia型超新星前身星等研究紧密相关，热亚矮星的形成及其性质对于研究恒星物理学、球状星团和星系具有重要意义。
目前，已知的热亚矮星数量很少，为了更好地研究热亚矮星，需要搜寻大量的热亚矮星以扩充样本数量。近年来，LAMOST以其强大的光谱获取能力，完全具备搜寻大量热亚矮星的潜力，其银河系光谱巡天数据为搜寻热亚矮星提供了极佳的资源。热亚矮星的传统搜寻方法是使用测光数据进行筛选，然后人工检查以确定热亚矮星候选体。但由于LAMOST光谱数据没有一致的测光数据，因此该方法并不适用于在LAMOST数据中搜寻热亚矮星。
近日，国家天文台的博士后卜育德、雷振新与赵刚研究员提出了基于深度学习的热亚矮星搜寻方法。该方法使用一种新的机器学习算法HELM方法对热亚矮星进行分类。使用已有的热亚矮星光谱数据进行测试，实验结果显示该方法对热亚矮星单星的分类准确率和召回率分别为0.92 和 0.96；而对热亚矮星双星的准确率和召回率分别是0.80和0.71。通过与其他方法的比较，证实了该方法具有比其他方法更高的准确率和效率。同时，该算法对计算资源要求很低，实验运行时间较短。他们利用该方法从LAMOST DR4数据中，搜寻出10000多个热亚矮星候选体。该研究有望极大扩展热亚矮星样本数量，为后续热亚矮星的研究提供高质量的光谱数据。
目前该研究成果已发表在国际天文核心期刊《天体物理学报增刊》（The Astrophysical Journal Supplement Series）上。该研究受到国家自然科学基金和中国博士后基金的资助。
实验中使用的来自LAMOST的热亚矮星光谱样本
附件下载：