Into the Depths: a new activity metric for high-precision radial velocity measurements based on line depth variations
Auteurs : Jared C. Siegel, Ryan A. Rubenzahl, Samuel Halverson, Andrew W. Howard
Points clés générés par l'IA
- La découverte et la caractérisation des exoplanètes à l'aide de mesures de vitesse radiale (RV) sont limitées par les sources de bruit provenant des surfaces des étoiles hôtes.
- Les techniques actuelles pour réduire l'activité magnétique stellaire reposent sur la décorrélation à l'aide d'un indicateur d'activité ou sur la mesure des RV en utilisant uniquement un sous-ensemble de lignes spectrales insensibles à cette activité.
- Les auteurs ont combiné ces techniques en construisant un indicateur d'activité haut signal-bruit appelé métrique de profondeur $\mathcal{D}(t)$, basée sur les lignes spectrales les plus sensibles à l'activité en utilisant une méthode "ligne par ligne" développée par Dumusque (2018).
- Le modèle temporel $\mathcal{D}(t)$ permet une réduction significative de l'amplitude de l'activité magnétique dans les mesures RV ; pour une série temporelle RV $\alpha$CenB du HARPS, le RMS RV a été réduit de 2.67 à 1.02 m/s.
- La modélisation $\mathcal{D}(t)$ a permis aux auteurs de caractériser des signaux planétaires injectés aussi petits que 1 m/s.
- Elle est supérieure à celle obtenue par la sélection seule des lignes spectrales insensibles à l'activité.
- Pour les étoiles semblables au Soleil ayant des signaux d'activité au niveau du m/s, le suivi individuel et précis du niveau d’activité stellaire modulée en rotation et multiannuelle est possible grâce à ce paramètre.
- Sa qualité est comparable à celle obtenue grâce à la largeur FWHM (à mi-hauteur) de la CCF et log$R^{\prime}_{HK}$.
- Les auteurs ont identifié une forte corrélation entre la profondeur des différents types spectraux et le niveau d’activité stellaire pour une sous-population visuellement identifiée ; ils ont pu utiliser cette corrélation pour identifier les lignes spectrales les plus sensibles pour chaque
Résumé : The discovery and characterization of extrasolar planets using radial velocity (RV) measurements is limited by noise sources from the surfaces of host stars. Current techniques to suppress stellar magnetic activity rely on decorrelation using an activity indicator (e.g., strength of the Ca II lines, width of the cross-correlation function, broadband photometry) or measurement of the RVs using only a subset of spectral lines that have been shown to be insensitive to activity. Here, we combine the above techniques by constructing a high signal-to-noise activity indicator, the depth metric $\mathcal{D}(t)$, from the most activity-sensitive spectral lines using the "line-by-line" method of Dumusque (2018). Analogous to photometric decorrelation of RVs or Gaussian progress regression modeling of activity indices, time series modeling of $\mathcal{D}(t)$ reduces the amplitude of magnetic activity in RV measurements; in an $\alpha$CenB RV time series from HARPS, the RV RMS was reduced from 2.67 to 1.02 m s$^{-1}$. $\mathcal{D}(t)$ modeling enabled us to characterize injected planetary signals as small as 1 m s$^{-1}$. In terms of noise reduction and injected signal recovery, $\mathcal{D}(t)$ modeling outperforms activity mitigation via the selection of activity-insensitive spectral lines. For Sun-like stars with activity signals on the m s$^{-1}$ level, the depth metric independently tracks rotationally modulated and multiyear stellar activity with a level of quality similar to that of the FWHM of the CCF and log$R^{\prime}_{HK}$. The depth metric and its elaborations will be a powerful tool in the mitigation of stellar magnetic activity, particularly as a means of connecting stellar activity to physical processes within host stars.
Outils pour cet article
Posez des questions sur cet article à notre assistant IA
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.
Articles similaires résumés avec nos outils d'IA
Naviguez à travers encore plus d'articles similaires en utilisant une
représentation arborescenteRecherchez des articles similaires (en version bêta)
Nous comparons le titre et le résumé avec les articles indexés dans notre base. Pour les articles arXiv, la recherche porte sur la même catégorie ; pour les DOI et les autres sources, elle couvre toutes les sources et disciplines. Vous pouvez la relancer à mesure que notre base s’enrichit.
Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.