星系的研究对了解宇宙构成和演化至关重要。揭示星系形成和发展有助于理解暗物质、暗能量等宇宙基本性质,是天体物理学中的挑战性难题之一。多波段能谱分析为探索星系内复杂物理过程提供了重要基础,同时也面临着挑战。
研究团队基于BayeSED方法进行了多项优化,包括基于嵌套采样算法的星系族群合成方法、观测误差模拟方法、新的恒星形成历史和尘埃吸收模型等改进。BayeSED方法经过这些优化后,在单核CPU下可平均2秒左右对一个星系进行详细的贝叶斯分析。
研究团队根据CSST设计参数,采用两种方法生成模拟星系样本,进行了星系测光红移和星族参数估计的性能测试。结果显示,观测误差、能谱模型误差和参数简并是主要影响参数估计误差的因素。BayeSED分析方法对误差贡献最小。
这项研究成果将为后续研究的改进和CSST科学产出提供重要参考。得益于国家重点研发计划、中国载人航天工程等多方支持,该研究在星系研究领域取得了新的进展。
这一成果展示了BayeSED方法和工具的性能优势,为星系研究提供了更可靠的分析手段,推动了天文学领域的发展。