密近气态行星与其宿主恒星的潮汐相互作用研究
文献类型：学位论文
| 作者 | 郭帅帅
|
| 答辩日期 | 2024-07-01 |
| 文献子类 | 博士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 毛基荣 ; 郭建恒 |
| 关键词 | 恒星自转 金属丰度 恒星-行星相互作用 动力学演化和稳定性 机器学习 |
| 学位专业 | 天体物理 |
| 其他题名 | Tidal Interaction Between Close-in Gas Giant Planets and Their Host Stars |
| 英文摘要 | 潮汐演化研究有助于我们了解双星系统以及恒星-行星系统的演化过程，潮汐力在密近巨行星系统的形成和演化过程中起着关键作用。系统中的轨道、自转速度和角动量等参数都会受到潮汐力的影响，从而影响密近巨行星系统的演化。有研究发现，在行星轨道收缩的过程中，角动量的转移使得热木星系统中的恒星自转速度往往高于无行星的恒星。随着观测数据的不断增加，科学家们还在一些恒星附近发现了质量非常大的热木星和褐矮星。通常来说，这些密近巨行星会受到主星非常强的潮汐作用，导致它们的演化时标通常只有几亿年。进一步研究表明，它们的轨道周期与恒星的自转周期通常呈现出同步状态，简称双重同步。在这种情况下系统的潮汐摩擦可能极为微弱甚至完全消失。然而在类太阳恒星中，磁制动作用会导致恒星持续损失角动量，从而可能使系统迅速脱离双重同步。尽管如此，仍有研究表明即使考虑到恒星磁制动的角动量损失，系统双重同步的状态也有可能长期维持。但是，双重同步在这种情况下能维持多久以及需要满足哪些条件的定量研究还很少。另外，在AI技术飞速发展的今天，机器学习与天文学的结合日益受到关注，在恒星与行星间的潮汐相互作用研究领域，机器学习的应用仍然是一个未被探索的领域。本文的研究一方面关注恒星-行星系统的演化过程，另一方面推动机器学习在这一研究领域的应用。在本论文中，我们首先采用MESA程序对恒星与行星间的潮汐相互作用进行了精细建模，考虑了比较大的恒星和行星的参数空间并模拟分析了约25000个样本。研究结果显示，在恒星的对流包层较薄的情况下，恒星的初始自转周期和行星的质量对系统的演化过程有着重要的影响。当行星被吞噬后，由于恒星磁制动较弱，行星转移给恒星的角动量仍会对恒星自转产生长期影响。对于那些对流包层较厚的恒星，由于磁制动较强，初始恒星自转速度却有着很重要的影响。对于初始自转速度较快的系统的角动量的损失较为显著，恒星磁制动相较于行星角动量转移更重要；相反，当恒星的初始自转速度较慢时，由于磁制动作用较弱，行星对恒星自转周期变化的影响则更加明显。此外，通过对WASP-19系统的模拟分析，我们注意到，与恒星距离极近的热木星可能会使得回转年代法对恒星年龄的估算造成显著的误差。我们还特别关注了恒星-行星系统中的双重同步现象，尤其是在热木星和褐矮星系统中的表现。研究结果表明，对于恒星对流包层较薄的大质量行星系统，当恒星自转速率与行星轨道速率同步时，双重同步现象更易发生。通过对观测数据施加理论限制，我们可以帮助识别那些可能处于长期双重同步状态的系统，并预测将来哪些系统可能会出现这种现象。随着潮汐质量因子测量的进一步精确化，我们预计能够发现更多处于长期双重同步状态的系统。最后，我们利用人工神经网络(ANN)对MESA模拟生成的演化曲线进行了回归分析。分析结果表明，仅需六个初始参数，就能准确预测四个演化量的演化曲线，且误差极小。这一发现突显了机器学习方法在生成演化曲线方面的高效率和准确性。此外，通过应用lightGBM模型和过采样技术，我们对恒星-行星系统样本进行了分类。我们的模型成功区分了四种主要的演化曲线类型，并以80%的准确率识别出长期处于双重同步状态的样本。 |
| 学科主题 | 天文学 |
| 语种 | 中文 |
| 页码 | 0 |
| 源URL | [http://ir.ynao.ac.cn/handle/114a53/28045]  |
| 专题 | 云南天文台_恒星物理研究组 |
| 作者单位 | 中国科学院云南天文台 |
| 推荐引用方式 GB/T 7714 | 郭帅帅. 密近气态行星与其宿主恒星的潮汐相互作用研究[D]. 北京. 中国科学院大学. 2024. |
入库方式： OAI收割
来源：云南天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。