Yau Awards Archive 2020 — 2025

Topics选题方案 ／ 物理奖 ／ P03

P03

Gaia DR3 疏散星团成员的自建聚类判定管线与质量分层–年龄关系的统一口径独立检验

推荐优先级 ★★★★☆天体物理公开数据ADQL + 无监督聚类纯 CPU 极轻量统计取向

1 · 研究问题

用自建的五维天测（位置 + 自行 + 视差）HDBSCAN/GMM 聚类管线对约 20 个疏散星团（open cluster）重建成员表后，在统一的质量分层指标 Λ_MSR 口径下，"动力学年龄越老分层越强"的已发表趋势是否在一个独立选取的星团样本上成立？

2 · 研究背景与空白

疏散星团中的大质量星通过两体弛豫向中心沉降（质量分层，mass segregation），分层程度随星团年龄与弛豫时间（relaxation time）之比增长，是恒星动力学的教科书预言。Gaia DR3 的微角秒级天测使得从公开数据里"从零"重建星团成员表成为高中生可完成的操作。

已有工作：Cantat-Gaudin et al. (2020) 给出千余星团的成员星表；A&A 2023（arXiv:2303.08474）发布了基于深度网络的 DR3 成员判定工具；MNRAS 2023（arXiv:2305.17728）用 DBSCAN+GMM 方法在样本中找到 10 个星团的明确分层证据，并报告老星团分层速率更高。指标端，Allison et al. (2009) 的最小生成树比值 Λ_MSR 是标准分层度量。

空白在评价维度与样本：已发表的分层–年龄结论来自不同作者、不同成员判定口径、不同质量代理的异质汇编；用同一条管线、同一个 Λ_MSR 定义、同一质量代理贯穿一个独立星团样本的均匀检验，正是"换样本独立检验"这一最稳差异化轴。数据量小、算法现成、正负结论都有效。

3 · 可检验假设

  • H1：以 log(age/t_relax) 为横轴，Λ_MSR（前 10 大质量成员）显著 > 1 的星团比例随之上升；Spearman 秩相关 ρ > 0 且 bootstrap p < 0.05。
  • H2：存在 age < t_relax 却 Λ_MSR > 1 的年轻星团个例（原初分层候选）；若一个都没有，"分层皆为动力学演化产物"在本样本获得支持——两种结果都有效。

4 · 量化验收标准

  1. 方法学校验（硬门槛）：对 5 个高置信近邻星团（如 Pleiades、Praesepe、NGC 2516 等）重建成员表，与 Cantat-Gaudin (2020) 概率 > 0.7 成员的交并比（IoU）≥ 80%。此步不过关，后续全部结论无效。
  2. Λ_MSR 严格按 Allison et al. (2009) 定义实现，误差棒用 ≥ 500 次随机参照集 + bootstrap；"显著分层"判据（Λ_MSR − 1 > 2σ）预先写死。
  3. 质量代理双方案对照：G 星等排序法与 PARSEC 等龄线插值法都报告，两法给出的 H1 结论必须分别陈述。
  4. 场星污染用邻近控制天区估计并显式报告每星团污染率上限。
  5. 全部 ADQL 查询语句、管线与成员表开源。

5 · 数据与工具

用途 来源 / 工具
天测与测光 Gaia Archive（gea.esac.esa.int）ADQL 锥形检索，逐星团按需拉取（每星团 < 10⁵ 行，全项目 < 1 GB）；覆盖全天，DR3 天测五参数 + G/BP/RP 测光
聚类 scikit-learn（GMM 内置）、hdbscan 包（内置层级密度聚类；成员概率的自举稳定性评估需自行实现）
等龄线 PARSEC（CMD 3.7 网页接口按需生成）——用于质量代理
成员表对照 Cantat-Gaudin (2020) via CDS/VizieR——仅作校验与对比，不计入本项目的数据贡献
星团年龄 文献汇编（Dias 等星表）——仅作标签来源，不计入贡献

算力：HDBSCAN 对 10⁵ × 5 维数据秒级；全项目任何笔记本轻松完成，无降规模必要（但仍给：星团数 20 → 10，H1 统计力下降、框架不变）。

6 · 方法路径

  1. 装环境，写通 ADQL 锥形检索，对 Pleiades 拉数据并可视化自行–视差空间。
  2. 实现 GMM 与 HDBSCAN 双聚类 + 概率判据（判据须明确、可复现），完成硬门槛 IoU 校验。
  3. 按预注册判据（距离 < 2 kpc、|b| 覆盖、年龄跨 3 个量级）选定约 20 个星团样本。
  4. 实现 Λ_MSR（最小生成树自写或用 scipy.sparse.csgraph），对每星团计算并给误差棒。
  5. 用双质量代理分别做 Λ_MSR–log(age/t_relax) 相关分析（t_relax 按标准公式由成员数与半质量半径估计）。
  6. 场星污染控制区检验 + 把 IoU 硬门槛在样本中随机抽 3 星团复检。
  7. 独立交叉校验：用与 MST 无关的第二指标（累积径向分布的 KS 检验分质量段比较）复核分层判定。

7 · 新颖性边界

  • 本课题不声称发现质量分层现象（教科书结论），不声称提出新的成员判定方法（点名 arXiv:2303.08474 与 arXiv:2305.17728 已有更强的 ML 工具）。
  • 已有工作：MNRAS 2023 在其选取的星团集上完成了"判定 + 分层"一体化分析并报告年龄趋势。
  • 本项目贡献（主结论）：在独立选取的星团样本上、以统一管线与统一统计口径重新检验分层–年龄关系，并量化质量代理选择对结论的影响（评价维度补充）。趋势复现或不复现都是有效结论；不复现时须用误差棒证明有能力分辨文献报告的趋势幅度。
  • 与历届获奖作的关系：2024 年铜奖为 M82 星系中心条件分析（河外、光谱），与本题（银河系内、天测统计）无重叠。

8 · 决策门槛（go / no-go）

  • 第 6 周末：硬门槛 IoU ≥ 80% 通过。不过关 → 第 8 周前降级：改用"以 Cantat-Gaudin 概率为初值的半自动复核"模式（此时成员判定不再计入贡献，贡献收窄为统一口径的 Λ_MSR 均匀测量），主结论框架（分层–年龄关系）保留。
  • 第 14 周末：核实低质量端完备性（DR3 在 G ≈ 18 后天测质量下降,不要边做边发现）；若目标星团完备极限差异过大 → 把 Λ_MSR 计算统一截断到共同完备星等，重跑全样本。
  • 第 26 周末：冻结样本与口径；预算裁剪顺序：星团数 → 第二分层指标 → 双质量代理不可裁（它是差异化轴的一半）。
  • 适合学生：喜欢天文、统计感好、编程中等即可；本题动手门槛是十题中最低的之一，风险集中在"结论可能平淡"，而非"做不出来"。