To accurately interpret the observed properties of exoplanets, it is necessary to first obtain a detailed understanding of host star properties. However, physical models that analyze stellar properties on a per-star basis can become computationally intractable for sufficiently large samples. Furthermore, these models are limited by the wavelength coverage of available spectra. We combine previously derived spectral properties from the Spectroscopic Properties of Cool Stars (SPOCS) catalog (Brewer et al. 2016) with generative modeling using The Cannon to produce a model capable of deriving stellar parameters ($\log g$, $T_{\mathrm{eff}}$, and $v\sin i$) and 15 elemental abundances (C, N, O, Na, Mg, Al, Si, Ca, Ti, V, Cr, Mn, Fe, Ni, and Y) for stellar spectra observed with Keck Observatory's High Resolution Echelle Spectrometer (HIRES). We demonstrate the high accuracy and precision of our model, which takes just $\sim$3 seconds to classify each star, through cross-validation with pre-labeled spectra from the SPOCS sample. Our trained model, which takes continuum-normalized template spectra as its inputs, is publicly available at this https URL. Finally, we interpolate our spectra and employ the same modeling scheme to recover labels for 477 stars using archival stellar spectra obtained prior to Keck's 2004 detector upgrade, demonstrating that our interpolated model can successfully predict stellar labels for different spectrographs that have (1) sufficiently similar systematics and (2) a wavelength range that substantially overlaps with that of the post-2004 HIRES spectra.

中文翻译：

---

使用 Cannon 对 Keck HIRES 光谱的恒星表征

为了准确解释系外行星的观测特性，首先需要详细了解宿主恒星的特性。然而，对于足够大的样本，以每颗恒星为基础分析恒星特性的物理模型在计算上变得难以处理。此外，这些模型受到可用光谱的波长覆盖范围的限制。我们将先前从冷星光谱属性 (SPOCS) 目录（Brewer 等人，2016 年）中导出的光谱属性与使用 The Cannon 的生成建模相结合，以生成能够导出恒星参数的模型（$\log g$、$T_{\ mathrm{eff}}$ 和 $v\sin i$) 和 15 种元素丰度（C、N、O、Na、Mg、Al、Si、Ca、Ti、V、Cr、Mn、Fe、Ni 和 Y ) 用于使用凯克天文台的高分辨率阶梯光谱仪 (HIRES) 观察到的恒星光谱。我们展示了我们模型的高精度和高精度，通过与来自 SPOCS 样本的预标记光谱的交叉验证，只需 $\sim$3 秒即可对每颗恒星进行分类。我们训练有素的模型将连续归一化模板光谱作为其输入，可在此 https URL 上公开获得。最后，我们对光谱进行插值，并使用相同的建模方案，使用 Keck 2004 年探测器升级之前获得的档案恒星光谱恢复 477 颗恒星的标签，证明我们的插值模型可以成功预测具有 (1) 足够相似的不同光谱仪的恒星标签系统学和 (2) 波长范围与 2004 年后 HIRES 光谱的波长范围基本重叠。通过与来自 SPOCS 样本的预标记光谱进行交叉验证，只需 $\sim$3 秒即可对每颗恒星进行分类。我们训练有素的模型将连续归一化模板光谱作为其输入，可在此 https URL 上公开获取。最后，我们对光谱进行插值，并使用相同的建模方案，使用 Keck 2004 年探测器升级之前获得的档案恒星光谱恢复 477 颗恒星的标签，证明我们的插值模型可以成功预测具有 (1) 足够相似的不同光谱仪的恒星标签系统学和 (2) 波长范围与 2004 年后 HIRES 光谱的波长范围基本重叠。通过与来自 SPOCS 样本的预标记光谱进行交叉验证，只需 $\sim$3 秒即可对每颗恒星进行分类。我们训练有素的模型将连续归一化模板光谱作为其输入，可在此 https URL 上公开获得。最后，我们对光谱进行插值，并使用相同的建模方案，使用 Keck 2004 年探测器升级之前获得的档案恒星光谱恢复 477 颗恒星的标签，证明我们的插值模型可以成功预测具有 (1) 足够相似的不同光谱仪的恒星标签系统学和 (2) 波长范围与 2004 年后 HIRES 光谱的波长范围基本重叠。可在此 https URL 上公开获取。最后，我们对光谱进行插值，并使用相同的建模方案，使用 Keck 2004 年探测器升级之前获得的档案恒星光谱恢复 477 颗恒星的标签，证明我们的插值模型可以成功预测具有 (1) 足够相似的不同光谱仪的恒星标签系统学和 (2) 波长范围与 2004 年后 HIRES 光谱的波长范围基本重叠。可在此 https URL 上公开获取。最后，我们对光谱进行插值，并使用相同的建模方案，使用 Keck 2004 年探测器升级之前获得的档案恒星光谱恢复 477 颗恒星的标签，证明我们的插值模型可以成功预测具有 (1) 足够相似的不同光谱仪的恒星标签系统学和 (2) 波长范围与 2004 年后 HIRES 光谱的波长范围基本重叠。