スケーラブルな恒星パラメータ推論フレームワーク

この論文は、大規模分光データセットの分析に不可欠な恒星パラメータ推論における重要な進歩を示しています。著者は既存のLASPパイプラインをリファクタリングし、モジュール化された並列化されたPythonフレームワークを作成しました。主な貢献は、CPU最適化（LASP-CurveFit）とGPUアクセラレーション（LASP-Adam-GPU）であり、実行時間の大幅な改善につながっています。フレームワークの精度は、既存の方法に対して検証され、LAMOSTとDESIの両方のデータセットに適用され、その信頼性と移植性が実証されています。コードとDESIベースのカタログの利用可能性は、その影響をさらに高めます。

• •CPU最適化とGPUアクセラレーションにより、実行時間が大幅に改善。
• •既存の方法に対して検証され、大規模分光サーベイ（LAMOST、DESI）に適用。
• •恒星パラメータ推論における信頼性の高い精度と移植性を実証。
• •コードとDESIベースのカタログが公開されています。