疏散星团不仅是银河系结构和演化的示踪天体，也是研究恒星形成与演化的理想实验室。Gaia任务发布的海量数据极大地扩展了已知的疏散星团数量，然而，这也带来了一个棘手的挑战：在通过聚类算法筛选出的数千个候选星团中，混杂着大量由场星随机涨落导致的“假阳性”信号。
    近日，中国科学院上海天文台李璐博士领导的研究团队，基于自主研发的“疏散星团混合模型（MiMO）”，提出了一套基于测光贝叶斯证据（Photometric Bayesian Evidence）的星团物理验证新框架，为在大数据时代从海量候选者中“去伪存真”提供了强有力的定量化工具。此项研究成果已正式发表在国际天文学期刊《天体物理学杂志》（The Astrophysical Journal）上。

图为疏散星团NGC2632。
http://shao.cas.cn/2020Ver/xwdt/kyjz/202512/W020251219504813442325_ORIGIN.jpg

    研究团队利用600个随机场星样本和1232个已确认的疏散星团进行了大规模测试。结果显示，贝叶斯因子能够极好地分离真实星团与虚假信号。研究发现，log10(BF)>2（即贝叶斯因子大于100）是一个稳健的物理判据，意味着“星团+场星”模型的可能性至少是“纯场星”模型的100倍。这一阈值能够有效剔除绝大多数随机场星的统计涨落，同时保留真实的星团信号。
    与传统的信噪比或拟合优度指标不同，贝叶斯因子即使在场星污染极高（污染率>70%）的情况下，依然能敏锐地捕捉到隐藏其中的星团信号，展现出极强的鲁棒性。这一新方法不仅适用于疏散星团的清洗与提纯，其基于混合模型比较的通用框架还可广泛应用于星流、移动星群以及银河系卫星星系等其他可分辨恒星系统的验证。

来源 / http://shao.cas.cn/2020Ver/xwdt/kyjz/202512/t20251219_8030227.html 中国国家天文