Small Separations in Red-Giant Stars: Quest for Late-evolution Signatures Using Asteroseismology

Abstract

Major advances in stellar interiors physics and evolution have recently been made possible by asteroseismology, the study of stars by means of their natural, resonant oscillations. By the study of these pulsations, this science has given us an unprecedented way to investigate how the stars are made inside. However the variation along the star evolution of the oscillatory patterns is still not fully explored and may contain important information that can help us to distinguish different phases. This thesis is dedicated to the exploration of the small separations in red-giant stars, a quantity that comes from the analysis of the oscillation spectra of the stars. The goal is to assess the potential of this quantity, along with other classic parameters, to assign the evolutionary phases for many red giants with seismology in which period spacing of gravity modes cannot be measured. In order to understand the relevance of the small separation in distinguish between red-giant branch and red-clump stars, two different Machine leaning tools (logistic regression and random forest) were applied. The methods were tested on synthetic stellar samples with classic and asteroseismic parameters, in order to understand the relevance of the small separation in the classification. I found that the random forest method has the potential to increase the correct classification up to 4% of the total sample when the small separation is considered.

Grandes avanços na física e na evolução dos interiores estelares foram recentemente possíveis graças à asterosismologia, o estudo das estrelas por meio de suas oscilações ressonantes naturais. Através do estudo dessas pulsações, esta ciência deu-nos uma maneira sem precedentes de investigar como as estrelas são. No entanto, a variação dos padrões oscilatórios ao longo da evolução estelar ainda não foi totalmente explorada e pode conter informações importantes que nos podem ajudar a distinguir diferentes fases. Esta tese é dedicada à exploração das pequenas separações em estrelas gigantes vermelhas, quantidade que provém da análise dos espectros de oscilação das estrelas. O objetivo é avaliar o potencial desta quantidade, juntamente com outros parâmetros clássicos, para atribuir as fases evolutivas para muitas gigantes vermelhas com sismologia nas quais o espaçamento entre períodos dos modos de gravidade não pode ser medido. Para entender a relevância da pequena separação na distinção entre estrelas ramificadas de gigantes vermelhas e estrelas de aglomerado vermelho, foram aplicadas duas ferramentas diferentes de machine learning (regressão logística e random forest).Os métodos foram testados em amostras estelares sintéticas com parêmtros clássicas e asterossísmicos, a fim de entender a relevância da pequena separação na classificação. Descobri que o método random forest tem o potencial de aumentar a classificação correta em até 4% da amostra total quando a pequena separação é considerada.