Exposure-averaged Gaussian Processes for Combining Overlapping Datasets

Resumo Técnico: Processos Gaussianos Médios por Exposição para Combinação de Conjuntos de Dados Sobrepostos

Declaração do Problema
Os processos gaussianos (PGs) são amplamente utilizados para modelar a variabilidade estelar, empregando kernels motivados fisicamente, como osciladores harmônicos simples (OHS) amortecidos e forçados, para representar a granulação e as oscilações do modo p. Esses kernels padrão quantificam a covariância instantânea entre dois pontos no tempo. No entanto, essa formulação assume que as observações são amostras instantâneas de um sinal latente. Na realidade, muitos espectrógrafos modernos de Velocidade Radial de Alta Precisão (EPRV), particularmente aqueles com alimentação solar (por exemplo, HARPS, HARPS-N, EXPRES, NEID, KPF), operam com tempos de exposição comparáveis às escalas de tempo da variabilidade estelar que visam medir (minutos a horas).

Quando os tempos de exposição são significativos, o sinal observado é uma versão média por exposição (agrupada) do sinal latente verdadeiro, e não um ponto instantâneo. Combinar de forma ingênua conjuntos de dados de múltiplos instrumentos com tempos de exposição diferentes usando kernels instantâneos padrão leva a sinais espúrios. O modelo falha em reconciliar observações próximas no tempo que exibem diferenças reais de velocidade radial (RV) apenas devido aos seus diferentes tempos de integração. Tentativas anteriores de combinar tais dados envolviam agrupar todas as observações em uma escala de tempo comum e grosseira ou interpolar entre conjuntos de dados, ambas as quais descartam informações de alta frequência (como oscilações do modo p) ou dependem de esquemas de interpolação não físicos.

Metodologia
Os autores apresentam uma estrutura de PG que conta explicitamente com tempos de exposição finos, calculando formas integradas dos kernels instantâneos. A metodologia é construída sobre três componentes principais:

1. Estrutura de Integração de Kernel: Os autores derivam expressões analíticas para a covariância entre:

   • Duas observações agrupadas (integração dupla do kernel latente).
   • Uma observação agrupada e um ponto instantâneo latente (integração simples).
   • Dois pontos instantâneos latentes (o kernel padrão).
     Para kernels estacionários, os autores demonstram que qualquer cenário complexo de sobreposição (parcial ou completa) pode ser decomposto em somas de sub-exposições "perfeitamente sobrepostas" e "completamente separadas". Isso permite a avaliação da matriz de covariância para durações de exposição arbitrárias ($\delta$) e separações temporais ($\Delta$).

2. Soluções Analíticas para Kernels OHS: O artigo fornece expressões analíticas específicas para integrar o kernel OHS amortecido e estocasticamente forçado (comumente usado para granulação e oscilações). Isso inclui funções auxiliares ($I_{OHS}$) para avaliar as integrais para ambos os casos de integração simples e dupla, lidando com as inversões de sinal na diferença de tempo $|t - t'|$ que ocorrem dentro de exposições sobrepostas.

3. Decomposição Multi-Componente e Multi-Instrumento:

   • Decomposição de Componentes: A estrutura estende-se a modelos de PG multi-componente (por exemplo, soma de kernels de granulação, oscilação e rotação). Os autores detalham a álgebra linear necessária para condicionar o modelo completo aos dados e, subsequentemente, extrair a média preditiva para componentes latentes individuais.
   • Derivas Instrumentais: Para lidar com conjuntos de dados sobrepostos de múltiplos instrumentos, o modelo trata a deriva de cada instrumento como um componente de PG independente adicionado a um sinal estelar latente comum. Isso é implementado via um PG multivariado onde o kernel para derivas instrumentais é mascarado por um delta de Kronecker, garantindo que as covariâncias de deriva existam apenas entre observações do mesmo espectrógrafo. Isso permite a separação da variabilidade "estelar" das derivas "instrumentais" sem prescrever uma forma funcional específica para a deriva.

Principais Resultados
A estrutura foi validada através de duas aplicações principais:

1. Dados Simulados: Os autores simularam dados de RV solar imitando quatro instrumentos (KPF, NEID, EXPRES, HARPS-N) com tempos de exposição variando de 12 a 300 segundos.

   • Contabilização de Exposição: Modelos que ignoraram os tempos de exposição produziram médias preditivas errôneas, falhando particularmente em ajustar observações próximas no tempo com durações de exposição diferentes. O modelo consciente da exposição previu corretamente o sinal latente, permitindo que a média preditiva fosse mais extrema do que as observações agrupadas (por exemplo, passando por extremos que foram suavizados por exposições longas).
   • Recuperação de Deriva: Quando derivas instrumentais sintéticas foram injetadas, o modelo recuperou com sucesso as derivas relativas entre pares de instrumentos com alta precisão (RMS < 1,5 cm s$^{-1}$). No entanto, as derivas absolutas de instrumentos individuais foram encontradas altamente degeneradas (frequentemente anti-correlacionadas), pois o modelo não pode distinguir unicamente qual instrumento está derivando sem restrições adicionais.

2. Dados Solares Reais:

   • KPF & NEID (Dia Único): Aplicado a dados sobrepostos de 19 de abril de 2024, o modelo separou com sucesso o sinal estelar das derivas instrumentais. Identificou uma deriva suave no KPF em relação ao NEID, correlacionando-se com eventos operacionais conhecidos (enchimentos de nitrogênio líquido).
   • Projeto de Sinais Estelares Extremos (ESSP): Aplicado a um conjunto de dados de 28 dias combinando HARPS, HARPS-N, EXPRES e NEID (11.165 observações). O modelo condicionou-se com sucesso aos dados para isolar componentes estelares (oscilações, granulação, supergranulação e rotação) enquanto corrigia derivas específicas de cada instrumento. Devido ao custo computacional (escala $O(N^3)$), o ajuste de hiperparâmetros não foi realizado para este grande conjunto de dados; em vez disso, hiperparâmetros fixos foram usados para demonstrar a capacidade da estrutura de lidar com as intricâncias da combinação de conjuntos de dados diversos.

Significância e Alegações
O artigo alega que esta estrutura é essencial para a análise de conjuntos de dados modernos de EPRV, particularmente aqueles envolvendo alimentação solar onde os tempos de exposição variam significativamente entre instrumentos. Ao integrar corretamente os kernels, o método:

• Preserva informações de alta frequência (modos p, granulação) que são perdidas quando os dados são agrupados em uma escala de tempo comum e grosseira.
• Previne sinais espúrios decorrentes do desajuste de tempos de exposição em observações sobrepostas.
• Permite a decomposição de conjuntos de dados complexos e multi-instrumento em componentes estelares e instrumentais distintos, isolando especificamente "derivas relativas entre pares", que são robustamente restringidas.

Os autores notam que, embora a implementação atual enfrente limitações de escala para conjuntos de dados muito grandes ($N > 3000$) devido à natureza não estacionária dos kernels integrados (que dependem tanto da separação temporal quanto dos tempos de exposição individuais), a estrutura fornece uma base estatística rigorosa. Eles sugerem que trabalhos futuros utilizando modelos de espaço de estado (filtros de Kalman) abordarão essas questões de escala, permitindo a modelagem robusta da variabilidade estelar e das derivas instrumentais ao longo de escalas de tempo mais longas. O artigo conclui que esta abordagem é mais benéfica para conjuntos de dados de alta cadência projetados para estudar a variabilidade estelar, em vez de dados padrão de caça a planetas com cadência de levantamento, onde os tempos de exposição são negligenciáveis em relação às escalas de tempo da variabilidade.