银河系是如何形成和演化的？要回答这一银河考古学的核心问题，天文学家需要对数以百万计的恒星进行精确的物理参数测量。近日，中国科学院国家天文台副研究员杜冰、研究员罗阿理、副研究员宋轶晗等科研人员，利用我国郭守敬望远镜（LAMOST）发布的第十一次数据集，成功构建了一个高质量、均匀一致、可直接供人工智能模型使用的恒星光谱数据集，并在此基础上对LAMOST发布的第十二次数据集（DR12）中的全部AFGKM型恒星进行了参数估计，获得了900万条光谱的恒星大气参数、质量、绝对星等和恒星距离。相关成果已经被《天体物理学报增刊》接受发表（The Astrophysical Journal Supplement Series）。
该工作是研究团队此前在M型恒星领域工作的重要延续。2024年12月，杜冰等人在《天体物理学报增刊》（The Astrophysical Journal Supplement Series）发表论文，利用恒星标签迁移和基于密度的空间聚类（DBSCAN）光谱清洗技术，构建了包含5105颗M型恒星的经验样本。该工作首次以Gaia EDR3的StarHorse星表作为参考标准，成功修正了不同理论模型参数估计之间的系统性偏差，并将更新后的LAMOST M型星参数测量管线（LASPM）的精度大幅提升——有效温度精度从118 K提高至67 K，表面重力精度从0.20 dex提高至0.10 dex，金属丰度精度从0.29 dex提高至0.14 dex。该M型星样本为数据驱动的机器学习模型提供了关键的数据标注。
在此基础之上，研究团队将目光转向了数量更为庞大的AFGK型恒星。LAMOST的恒星参数测量管线（LASP）虽然已经为约780万条AFGK型光谱提供了有效温度、表面重力和金属丰度测量，但其金属丰度被限制在[Fe/H] ≥ -2.5 dex，且缺少α元素丰度[α/M]、恒星质量和绝对星等这些对银河系考古至关重要的参数。
为了突破这些限制，研究团队从LAMOST DR11中筛选出约9.4万颗高质量的AFGK型恒星，通过交叉匹配Gaia EDR3、APOGEE DR17以及高纯度极贫金属星星表，获得了有效温度（Teff）、表面重力（log g）、金属丰度（[Fe/H]）、α元素丰度（[α/M]）、恒星质量以及G波段绝对星等这六种均匀校准的恒星标签。在构建数据集的过程中，团队进行了严格的样本筛选：排除了双星和变星，对LAMOST原始光谱进行了流量定标来改正红化残差，并采用DBSCAN聚类算法在参数子空间内剔除了低质量光谱和不可靠标签，最终获得了包含111,417条光谱（对应91,542颗恒星）的清洁样本。该样本的参数覆盖广泛，如图1所示：Teff范围约3800–13000 K，log g覆盖0.1–5.0 dex，[Fe/H]覆盖-3.8 - 1.0 dex，[α/M]覆盖-0.4到0.6 dex，恒星质量范围0.4–6.0太阳质量，绝对星等从-4.0到8.0星等。将可用金属丰度下限从LASP的-2.5 dex扩展至约-3.8 dex，其中包含441颗[Fe/H] ≤ -2.5 dex的极贫金属星，为研究银河系最早期的化学演化提供了珍贵样本。
图1、构建的91,542颗恒星的参数空间覆盖图。左上：Kiel图分布，不同颜色的线是来自MIST的等年龄线。左下：[α/M]—[Fe/H]分布图。右上：赫罗图的数量分布密度图，其中绿色点是极贫金属星对应的赫罗图位置。右下：赫罗图的质量分布图。
在该高质量数据集的基础上，研究团队将其与此前构建的5105颗M型恒星样本合并，训练了一个覆盖A、F、G、K、M全部光谱类型的神经网络模型，并应用于LAMOST DR12的全部AFGKM型光谱，成功获得了约900万条光谱的恒星参数。与高分辨率光谱测量结果的比较表明，该模型获得了较高的参数估计精度。有效温度不确定性约55 K，表面重力约0.10 dex，金属丰度约0.07 dex，α元素丰度约0.02 dex。此外，模型还首次实现了从LAMOST光谱直接估计恒星质量和绝对星等，恒星质量相对误差仅约5%，绝对星等误差约0.13星等。利用光谱绝对星等推导的恒星距离相对误差约8%。尤其值得一提的是，模型在[α/M]分布中清晰揭示了高α和低α双序列结构，相较于传统模板匹配方法，更好地展现了银河系化学演化中Ia型超新星延迟爆发和恒星径向迁移的物理特征。
这一系列工作为天文学领域大规模引入人工智能技术奠定了坚实的数据基础。从M型星到AFGK型星，研究团队逐步构建起覆盖LAMOST全部光谱类型的清洁化、标准化、AI就绪数据集，使AI模型可以直接从海量光谱中高效、精确地提取恒星物理参数，而无需繁琐的中间处理步骤。这不仅极大提升了参数估计效率，还将金属丰度的测量范围拓展至极贫金属区域，为寻找银河系最早期的恒星遗迹打开了新的窗口。
该数据集和增值星表已通过中国虚拟天文台论文数据存储库（China-VO Paper Data Repository）向学界公开发布，数据DOI：https://doi.org/10.12149/101852。研究团队表示，期待这套数据集能够成为AI天文研究的基准参考，推动银河系形成与演化研究向更深层次迈进。