Dr. Guillaume Guiglion

Publikationen

39 Publikationen, darunter 27 peer-reviewte im ADS, darunter 6 als Erstautor. Insgesamt 1004-mal zitiert. H-index=16 (Gesamtliste hier verfügbar)

Untersuchungen & Kooperationen

• Gaia-ESO Survey (GES): WG15 (seit 2012)
  
• Gaia-Benchmark project: Arbeitsgruppe Elementhäufigkeiten (2013–2014)
  
• The RAdial Velocity Experiment (RAVE): DR6-Kernteam (seit 2017)
  
• 4-metre Multi-Object Spectroscopic Telescope (4MOST): Mitarbeiter der Durchmusterungen LR & HR Milky Way Halo (S1, S2) und Milky Way Disc and Bulge (S3, S4). Co-Leiter der Durchmusterung für sehr metallarme Sterne in S3. Infrastruktur-Arbeitsgruppen: Galactic pipeline iWG7 und Survey Strategy iWG2 (seit 2017)
  
• Maunakea Spectroscopic Explorer (MSE): Arbeitsgruppe Milchstraße (seit 2019)
  
• Sloan Digital Sky Survey (SDSS): Arbeitsgruppen Milchstraße (Halo u. Scheibe) & Chemische Pipeline (seit 2020)
  
• GAlaxy MApping at Calar Alto (GAMACA): Mitglied der Arbeitsgruppe M31 ISM (seit 2020)
  
• ChETEC-Mitglied: "Chemische Elemente als Indikatoren der Entwicklung des Kosmos" ("Chemical Elements as Tracers of the Evolution of the Cosmos", seit 2017")
  

Pipeline-Entwicklung

• GAUGUIN (Standard-Sternhäufigkeits-Pipeline / standard stellar abundance pipeline, Guiglion et al. 2016): integriert in die Gaia-RVS DPAC Apsis pipeline; RAVE DR6 abundance pipeline; Gaia-ESO DR2&DR3.
  
• CNN (Convolutional-Neural-Network für Sternparametrisierung, Guiglion et al. 2020): entwickelt und veröffentlicht im Kontext von RAVE. Wird momentan in die 4MOST Galactic Pipeline 4GP integriert.
  

Weitere Einzelheiten zu meiner Forschung

Auf der Spur der Entwicklung des Lithiums in metallreichen Umgebungen

In Zusammenarbeit mit Cristina Chiappini haben wir die Senkung der Obergrenze des Lithiums in metallreichen Zwergsternen erforscht (Guiglion et al., 2019a). Dank einer gleichzeitigen Betrachtung der Lithiumhäufigkeit aus Guiglion et al. (2016) und chemischer Entwicklungsmodelle unter Berücksichtigung stellarer Radialwanderung (Chiappini 2009) kamen wir zu dem Schluss, dass die Absenkung der Lithium-Obergrenze einem großen Anteil alter Sterne geschuldet ist, die aus den inneren Regionen migriert sind; diese Sterne haben das Lithiumvorkommen in ihrer Photosphäre im Laufe ihrer Wanderung aufgebraucht.

Die Maximierung wissenschaftlicher Erkenntnisse aus dem RAdial Velocity Experiment (RAVE) mithilfe maschinellen Lernens

Um eine chemodynamische Erforschung der Strukturen der Milchstraße durchzuführen und deren Entstehung klar einzugrenzen, ist eine präzise Sternchemie erforderlich. In Guiglion et al. 2020 habe ich eine auf ein Convolutional-Neural Network basierte Methode entwickelt, um die Spektren des RAdial Velocity Experiment mithilfe hochauflösender APOGEE DR16 Sternklassifizierungen zu parametrisieren. Das Ziel hierbei war letztlich, den Weg für die Gaia-RVS-Analyse im Jahr 2022 zu ebnen. Ich konnte aufzeigen, dass CNN ein leistungsfähiges Verfahren ist, das verschiedene Messkriterien vereinbaren kann: RAVE-Spektren, Magnituden von Gaia DR2, 2MASS und WISE, sowie die hervorragenden Parallaxen von Gaia DR2. Dies ermöglicht es, beim Analysieren kurzwellig und mittelwellig aufgelöster RAVE-Spektren die Grenzen herkömmlicher Pipelines hinsichtlich spektraler Degeneration zu überschreiten (siehe Abbildung unten). Daraus konnte ich zudem die chemischen Eigenschaften von mehr als 400.000 Sternen ableiten, weit über RAVE DR6 hinaus (Steinmetz et al. 2020).

Wegbereitung für das 4-metre Multi-Object Spectroscopic Telescope (4MOST)

Das Hauptziel von 4MOST ist es, eine noch nie dagewesene chrono-chemo-dynamische Karte der Milchstraße und der Magellanschen Wolken zu schaffen, sowie die nukleosynthetische Geschichte einer großen Vielfalt an Elementen aufzudecken. 4MOST wird sowohl LR- als auch HR-Spektren bereitstellen (Beginn 2023) und es so ermöglichen, zum Beispiel die chemische Entwicklung von Lithium für mehrere 100.000 Sterne zu untersuchen, und Antworten auf zentrale Fragen wie das Schmelzen des Spite-Plateaus zu geben. In diesem Zusammenhang wird eine maßgeschneiderte Pipeline für die Spektralanalyse benötigt, und ich arbeite als aktives Mitglied in der Arbeitsgruppe 7 (Galactic Pipeline Infrastructure Working group 7 – iWG7) von 4MOST. Ich leite die Entwicklung eines Convolutional-Neural-Network-Ansatzes für die FGK-Sterne von 4MOST. Ziel ist dabei, genaue atmosphärische Parameter und Elementhäufigkeiten einer Vielzahl von Spezies (>20) abzuleiten, sowohl bei hohen als auch bei niedrigen Auflösungen, sowie über einen großen Bereich von Wellenlängen und mit verschiedenen Arten von Datenrauschen. Meinen CNN-Ansatz integriere ich derzeit in die Galactic pipeline 4GP von 4MOST, und die aktuelle CNN-Implementierung hat ihre Effizienz im Umgang mit einer derartigen Datenmenge von 4MOST-Spektren bereits bewiesen.

Hobbys

In meiner Freizeit mache ich gerne lange Fahrradtouren durch Brandenburg. Wenn ich nicht gerade auf meinem Fahrrad sitze, wird man mich am ehesten irgendwo in den Alpen antreffen. Bergsteigerliteratur und Bouldern stehen bei mir auch hoch im Kurs.