本文提出了一种新颖的方法，用于研究红巨星支（TRGB）尖端I波段星等$M_I$对恒星物理输入的灵敏度。我们计算了近125,000个不同质量、初始氦丰度和金属丰度的理论恒星模型，并训练了一个机器学习模拟器，以预测$M_I$随这些参数的变化。首先，我们的模拟器可以使用蒙特卡罗抽样在给定的星系中理论预测$M_I$。例如，我们预测在大麦哲伦星云中$M_I=-3.84^{+0.14}_{-0.12}$。其次，我们的模拟器使用贝叶斯马尔可夫链蒙特卡罗方法将理论预测的$M_I$与经验校准进行直接比较，以约束恒星建模参数。我们通过使用经验TRGB校准来获得三个星系中金属丰度的新独立测量结果，证明了这一点。我们发现大麦哲伦星云中$Z=0.0117^{+0.0083}_{-0.0055}$，在NGC 4258中$Z=0.0077^{+0.0074}_{-0.0038}$，在$\omega$-Centauri中$Z=0.0111^{+0.0083}_{-00.0056}$，与其他测量结果一致。文章还讨论了我们方法的其他潜在应用。
论文链接：http://arxiv.org/pdf/2303.12069v1
更多计算机论文：http://cspaper.cn/