21,864 Unresolved, Low-mass Binaries Identified via their Overluminosity in \textit{Gaia} DR3 and a Catalog of 347,440 Systems within 100 pc of the Sun

Resumen Técnico: Identificación de Binarias de Baja Masa no Resueltas y Catálogo de Sistemas Vecinos

1. El Problema

Determinar los parámetros fundamentales de las estrellas de baja masa (enanas K y M) a partir de su fotometría y astrometría es un desafío significativo debido a la alta prevalencia de sistemas binarios. Se estima que entre el 10% y el 20% de estas estrellas son binarias de masa igual. Estos sistemas no resueltos aparecen más luminosos que las estrellas individuales con los mismos parámetros fundamentales, lo que sesga las estimaciones de masa, edad y distancia.

Los métodos tradicionales para identificar binarias tienen limitaciones:

• Resolución angular: Los métodos de imagen directa (óptica, óptica adaptativa, interferometría) están limitados por la resolución del telescopio (generalmente >0.5 arcsec para Gaia) o por el brillo de la fuente.
• Astrometría: El parámetro RUWE (Renormalized Unit Weight Error) de Gaia es útil para detectar compañeras que causan un movimiento oscilatorio en el centro de luz, pero falla en detectar sistemas de masa igual, donde el centro de luz no se desplaza significativamente.
• Modelado: Los modelos teóricos de atmósferas estelares para enanas frías a menudo fallan en predecir con precisión la fotometría y espectroscopía debido a la complejidad de las bandas moleculares y la transferencia radiativa a bajas temperaturas.

2. Metodología

Los autores proponen un método basado en aprendizaje automático para diferenciar estrellas individuales de binarias de masa igual utilizando los espectros de baja resolución (XP) de Gaia DR3.

• Selección de Muestra:

  • Se seleccionaron estrellas de tipo K y M dentro de 100 pc del Sol.
  • Se aplicaron cortes estrictos de calidad: parallax > 10 mas, error de paralaje bajo, espectros XP no contaminados y RUWE < 1.2 (para excluir sistemas con compañeras masivas asimétricas, aunque se reconoce que esto no elimina las binarias de masa igual).
  • Se corrigió la fotometría por extinción interestelar y se eliminaron fuentes con exceso de color fotométrico ($C^*$) alto.
  • La muestra final de entrenamiento ("Regression Sample") contiene 127,843 estrellas.

• Modelado Iterativo con Regresión de Bosques Aleatorios (Random Forest Regression - RFR):

  • Hipótesis: La mayoría de las estrellas de baja masa en el campo son individuales. Los espectros XP de una binaria de masa igual son degenerados con los de una estrella individual de los mismos parámetros, pero emiten el doble de flujo (apareciendo ~0.75 mag más brillante).
  • Entrenamiento: Se entrenaron modelos de HistGradientBoostingRegressor (una variante eficiente de árboles de decisión) para predecir la magnitud absoluta ($M_G$) y el color ($G-RP$) de una estrella basándose únicamente en sus coeficientes espectrales normalizados del espectro RP.
  • Proceso Iterativo:
    1. Se entrena el modelo en la muestra completa.
    2. Se identifican las estrellas cuya magnitud observada es significativamente más brillante (más luminosa) que la predicha (definido como >3 desviaciones estándar sobre la media de los residuos). Estas se etiquetan como "sobre-luminosas".
    3. Se eliminan estas estrellas sobre-luminosas de la muestra de entrenamiento.
    4. Se repite el proceso iterativamente.
  • Convergencia: El proceso converge en un modelo entrenado casi exclusivamente con estrellas individuales (o sistemas donde la compañera es muy tenue). El modelo final (tras 40 iteraciones) se utiliza para identificar candidatos a binarias en una muestra más amplia ("Full Sample" de 164,297 estrellas) sin restricciones de RUWE.

3. Contribuciones Clave

• Método de Detección sin Etiquetas: Desarrollo de un enfoque de aprendizaje no supervisado/semi-supervisado que no requiere catálogos de binarias preexistentes para entrenar, superando la falta de catálogos completos de multiplicidad más allá de 20 pc.
• Uso de Espectros XP: Demostración de que los espectros de baja resolución de Gaia (RP) contienen suficiente información morfológica sobre metalicidad y temperatura para predecir la posición en el Diagrama Color-Magnitud (CMD) con alta precisión, incluso sin parámetros fundamentales conocidos a priori.
• Catálogo de Sistemas Unificado: Creación de un catálogo integral de sistemas estelares dentro de 100 pc, agregando múltiples fuentes de datos (binarias visuales, de movimiento común, espectroscópicas y las nuevas candidatas por sobre-luminosidad).

4. Resultados

• Identificación de Binarias: De la muestra completa, se identificaron 21,864 estrellas (aproximadamente el 13%) como significativamente sobre-luminosas, asumiendo que son binarias de masa igual no resueltas.
• Validación:
  • Binarias Astrométricas: Se encontró una correlación fuerte entre las estrellas sobre-luminosas y aquellas con RUWE alto, validando que el método recupera sistemas binarios.
  • Binarias Eclipsantes: De un catálogo de 125 binarias eclipsantes conocidas con buenos datos de Gaia, el método recuperó al 55% (69 estrellas), principalmente aquellas de masa igual.
  • Binarias Espectroscópicas: Se recuperó el 98% (121 de 123) de las binarias espectroscópicas de doble línea (SB2) cercanas, confirmando la alta eficiencia del método para sistemas de masa igual.
• Catálogo de Sistemas: Se compiló un catálogo de 347,440 sistemas (hasta 5 componentes por sistema) dentro de 100 pc. De estos, 126,073 se identificaron como múltiples. El catálogo incluye 9,741 candidatos a binarias que no tenían indicios previos de compañeras no resueltas.
• Fracción de Multiplicidad: Se calcularon límites inferiores para la fracción de multiplicidad en función de la masa (0.1 - 0.7 $M_\odot$). Los resultados muestran una tendencia decreciente de la multiplicidad hacia masas más bajas, consistente con estudios anteriores, aunque los valores son límites inferiores debido a la falta de detección de compañeras muy tenues.

5. Significado e Impacto

• Superación de Limitaciones de Modelado: Este trabajo demuestra que es posible identificar binarias en poblaciones de campo sin depender de modelos teóricos precisos de atmósferas estelares, los cuales son problemáticos para enanas frías.
• Límites de Magnitud: El método es capaz de identificar binarias a magnitudes mucho más tenues ($M_G > 10$) que los métodos tradicionales de imagen directa, llenando un vacío en el diagrama Hertzsprung-Russell donde los modelos estelares suelen fallar.
• Recursos para la Comunidad: El catálogo público de 347,440 sistemas y la lista de 21,864 candidatos a binarias proporcionan una base de datos crucial para estudios de formación estelar, dinámica galáctica y la búsqueda de exoplanetas alrededor de estrellas de baja masa, permitiendo a los investigadores filtrar sistemas individuales "limpios" o estudiar la población binaria oculta.
• Límites: El método es principalmente sensible a binarias de masa igual y separaciones cercanas (<20 AU). Las binarias con compañeras muy tenues o de masa desigual no se detectan por este método de sobre-luminosidad, por lo que las fracciones de multiplicidad reportadas deben considerarse como límites inferiores.