Inferring stellar metallicity and elemental abundances from kinematic and spectroscopic data using machine learning -- Implications for exoplanet host stars

Resumen Técnico: Inferencia de la Metalicidad Estelar y Abundancias Elementales a partir de Datos Cinemáticos y Espectroscópicos Mediante Aprendizaje Automático

Planteamiento del Problema
Determinar las abundancias químicas estelares es fundamental para la arqueología galáctica y los estudios de exoplanetas, ya que la composición de la estrella huésped refleja el disco protoplanetario e influye en la mineralogía planetaria. Si bien los espectros ópticos de alta resolución permiten la derivación rutinaria de abundancias para estrellas FGK, este proceso sigue siendo significativamente desafiante para estrellas más frías (particularmente enanas M) debido a la severa mezcla de líneas y la absorción molecular. Además, incluso para estrellas accesibles, las determinaciones detalladas de abundancias para elementos específicos como Carbono (C) y Oxígeno (O) son difíciles en espectros ópticos por debajo de 5200 K. Los autores investigan si el aprendizaje automático (ML) puede inferir la metalicidad estelar y abundancias elementales específicas utilizando datos cinemáticos y orbitales más ampliamente disponibles, y si estas relaciones empíricas pueden extender la caracterización química a estrellas donde el análisis espectroscópico directo es limitado.

Metodología
El estudio utiliza dos conjuntos de datos principales:

1. Conjunto de Entrenamiento: Una gran muestra de estrellas gigantes rojas de la encuesta APOGEE DR17, restringida a metalicidades entre $-1.0 < \text{[Fe/H]} < 0.6$ dex.
2. Conjunto de Validación: Una muestra independiente de estrellas enanas FGK cercanas de la encuesta de exoplanetas HARPS, utilizada para validación externa.

A partir de la astrometría (Gaia EDR3/DR3) y las velocidades radiales, los autores derivaron componentes de velocidad galáctica, parámetros orbitales (excursión vertical máxima $Z_{\text{max}}$, distancias pericéntricas/apocéntricas, excentricidad) y probabilidades de pertenencia al disco delgado.

Los autores compararon varios algoritmos de regresión (Regresión Lineal, Bosque Aleatorio, Árboles Adicionales, XGBoost, LightGBM, CatBoost) utilizando validación cruzada de 5 pliegues. Emplearon un enfoque de "línea base" donde no se realizó inicialmente ningún ajuste de hiperparámetros para evaluar el poder intrínseco de las características, seguido de una optimización extensa de hiperparámetros utilizando Optuna. La importancia de las características se analizó mediante métricas basadas en la ganancia, importancia por permutación, modelos de características individuales y valores SHAP (SHapley Additive exPlanations).

El estudio abordó tres tareas de predicción específicas:

1. Predecir la metalicidad ($\text{[Fe/H]}$) únicamente a partir de la cinemática.
2. Predecir abundancias individuales (C, O, Mg, Si) a partir de $\text{[Fe/H]}$ combinado con cinemática.
3. Predecir abundancias de C y O a partir de Mg, Si y $\text{[Fe/H]}$, con entradas cinemáticas opcionales.

Resultados Clave

• Metalicidad a partir de Cinemática: La información cinemática por sí sola recupera solo una fracción limitada de la varianza de la metalicidad. Los modelos de mejor rendimiento (LightGBM y XGBoost) alcanzan un Error Cuadrático Medio (RMSE) de $\sim 0.20$ dex para APOGEE y $\sim 0.22$ dex para HARPS. Este techo de rendimiento persiste a pesar de la ingeniería de características extensa, las estrategias de conjunto y las búsquedas automatizadas de ML, lo que indica que el límite es el contenido de información intrínseco de las características cinemáticas, no la arquitectura del modelo. La excursión orbital vertical máxima ($Z_{\text{max}}$) es el predictor dominante, seguido por los parámetros orbitales radiales ($R_{\text{apo}}$, $R_{\text{peri}}$).
• Predicción de Abundancias con Metalicidad: Cuando $\text{[Fe/H]}$ se combina con datos cinemáticos, la predicción de abundancias de C, O, Mg y Si es significativamente más precisa que la aproximación de línea base $\text{[X/H]} = \text{[Fe/H]}$. Para la muestra de APOGEE, los valores de RMSE descienden a $\sim 0.04\text{--}0.08$ dex. La metalicidad sigue siendo el predictor dominante, con parámetros orbitales que proporcionan contribuciones secundarias no despreciables.
• C y O a partir de Mg, Si y Fe: Predecir C y O a partir de Mg, Si y $\text{[Fe/H]}$ produce una alta precisión. La inclusión de información cinemática no proporciona ninguna mejora medible, ya que el poder predictivo ya está contenido dentro de las abundancias elementales mismas, siendo Mg el contribuyente dominante. Esto refleja el origen nucleosintético común de estos elementos en estrellas masivas.
• Desplazamientos Sistemáticos: Al aplicar modelos entrenados en APOGEE (gigantes rojas) a HARPS (enanas), se observaron desplazamientos sistemáticos, particularmente para el Carbono. Los autores atribuyen esto a diferencias intrínsecas en la escala de abundancias y efectos evolutivos (por ejemplo, agotamiento de carbono en gigantes rojas) en lugar de un fallo del modelo. Aplicar una corrección constante ($\sim 0.1$ dex) redujo significativamente el RMSE para la muestra de HARPS.
• Relaciones Empíricas: Los autores derivaron relaciones empíricas simples entre las relaciones de abundancia (Fe/Si, Mg/Si, C/O, Fe/O) y la metalicidad para poblaciones de disco delgado y grueso. Las pendientes de estas relaciones difieren ligeramente entre las muestras de APOGEE y HARPS, con diferencias fraccionarias generalmente por debajo del 17%.

Significado y Afirmaciones
El artículo afirma proporcionar un marco práctico para extender la caracterización química a estrellas donde las determinaciones detalladas de abundancias son desafiantes, particularmente enanas M frías. Los autores enfatizan que:

1. La cinemática son rastreadores limitados: La cinemática estelar contiene solo información limitada sobre la metalicidad, con un rendimiento predictivo restringido por las características de entrada más que por la elección del modelo.
2. Sinergia con la Metalicidad: Si bien la cinemática por sí sola es insuficiente, combinarla con la metalicidad permite predicciones precisas de abundancias elementales (C, O, Mg, Si) que son difíciles de determinar directamente.
3. Calidad de los datos sobre Complejidad: La convergencia de múltiples modelos y el fracaso de la ingeniería de características compleja para mejorar los resultados sugieren que las mejoras futuras dependen más de la calidad, homogeneidad y riqueza física de los datos de entrada que de aumentar la complejidad del modelo.
4. Aplicaciones en Exoplanetas: Las relaciones empíricas derivadas para las relaciones de abundancia ofrecen un método computacionalmente económico para estimar cantidades relevantes para la estructura interior planetaria (por ejemplo, tamaño del núcleo a través de Fe/Si) y la composición atmosférica (C/O), ayudando a la caracterización de exoplanetas rocosos donde no se dispone de datos de abundancia estelar directa.

Los autores mantienen un tono modesto, señalando que, si bien los modelos reproducen las tendencias principales de la evolución química galáctica, no capturan completamente el comportamiento detallado de las abundancias en los extremos de la distribución de metalicidad debido a la escasez de datos y a la complejidad intrínseca de la evolución galáctica.