查看“SFH”的源代码

*恒星形成历史

*根据SFH，生成光谱的工具[http://miles.iac.es/pages/webtools/get-spectra-for-a-sfh.php]

==recover SFH==
*STECKMAP　　[http://astro.u-strasbg.fr/~ocvirk/indexsteckmap.html]
*pPXF [http://www-astro.physics.ox.ac.uk/~mxc/software/]

===非参数化的恒星形成历史===
* arXiv1901.02877  Dense Basis SFH
:利用几个特征参数（形成特定比例的恒星的时间）来描述，根据测量的S/N来自动判断需要几个参数。
:给定这些参数之后，利用Gaussian Process来生成具体的SFH
:: Gaussian过程中需要假设一个核函数（协方差），物理上就是SFR在不同的时间上有多大程度是协变的还是stochastic的。参见下面这篇文章 

* arXiv1901.07556 stochastic modeling of SFH
:核心假设（1）： 星系的SFH偏离main sequence的主线的过程是stochastic的
:核心假设（2）：这个随机过程，可以用功率谱（PSD，power spectrum density）或者自相关函数来描述，比较常见的：
:* 白噪声，功率谱是常数，
:* 随机行走 （red noise）<math> PSD(f) \propto f^{-2} </math>
:* [[damped random walk]]

===参数化的恒星形成历史===
*用得比较多的是对数正态函数
#Gladder是13年的文章 [https://iopscience.iop.org/article/10.1088/0004-637X/770/1/64]说了两点：（1）Madau图可以用log-normal来 （2）单个星系的SFH在统计方法上也复合log-normal
#Diemer（2017）（arXiv1701.02308）进一步探讨数值模拟（Illustris）中单个星系的SFH也基本可以用 log-normal来描述（可能对一些卫星星系和小质量星系不是特别好）。
这种函数形式本质上是初始阶段上升快，后面缓慢衰落。而且，有意思的是，描述SFH的log-normal的两个参数之间存在相关性。也就是说可能一个参数（tpeak）可能就能基本描述星系的SFH。
log-normal的形式还能很好的解释今天观测到的星系的quench的现象。
===测光数据===
*starpy http://arxiv.org/abs/1609.00023
:a python code, derive the quenching SFH of a galaxy through a Bayesian MCMC method [https://github.com/zooniverse/starpy]
:usingthe observed u-r and NUV-u colours, a redshift, BC03, solar metallicity , Chabrier IMF, no intrinsic dust 
: SFH is modelled as an exponential decline of the SFR described by two parameters [tq; tau], where tq is the time quench begins
:

==光谱中的信息量==
*光谱中有足够的信息量recover SFH吗？ arXiv:2208.05489
:从信息学的基础原理部分计算光谱连续谱特征中的熵