Assessing the accuracy of Gaia's stellar parameters using benchmark stars

The Gaia satellite maps out the Milky Way and its observations have been condensed into a gigantic data base. The quantity is unmatched by other data bases, therefore its quality must always be analysed and scrutinized to keep the data accurate. The purpose of this thesis is to assess the accuracy of the stellar parameters that Gaia provides through its data sets GSP-Phot and GSP-Spec. This was achieved through inspecting the so-called benchmark stars within these samples. These are stars which has been closely studied with accurate methods which gives supreme reliability in their values. The comparison resulted in some conclusions regarding the GSP-Phot and GSP-Spec data bases. GSP-Phot showed sensitivity to distance, its reliance on photometry and parallax leading to errors through reddening, extinction and parallax uncertainty when distance increases. GSP-Spec showed sensitivity to low metallicity, as well as uncertainty from the radial velocity spectrometer (RVS) flux. Lower metallicity coinciding with greater RVS flux uncertainty, was a common denominator for greater error offsets. Finally future approaches were discussed, such as setting up functions using methods like linear regression and machine learning, to use the results to correct Gaia stellar parameters and increase their accuracy.
Gaia-satelliten kartlägger Vintergatan och dess observationer har kondenserats till en gigantisk databas. Mängden objekt är oöverträffad av andra databaser, därför måste dess värden alltid analyseras och granskas för att behålla dess kvalité. Syftet med detta projekt är att bedöma noggrannheten hos de stjärnparametrar som Gaia tillhandahåller genom dess dataset GSP-Phot och GSP-Spec. Detta uppnåddes genom att inspektera så kallade benchmarkstjärnor i dessa dataset. Det är stjärnor som har studerats noggrant med exakta metoder som ger hög tillförlitlighet till deras värden. Jämförelsen resulterade i några slutsatser angående GSP-Phot- och GSP-Spec-databaserna. GSP-Phot visade känslighet för avstånd. Dess beroende av fotometri och parallax ledde till fel genom utsläckning och parallaxosäkerheter när avståndet ökar. GSP-Spec visade känslighet för låg metallicitet, såväl som osäkerhet från radialhastighetsspektrometerns (RVS) flöde. Lägre metallicitet sammanföll också med större osäkerhet i RVS-flöde. Slutligen diskuterades framtida tillvägagångssätt, såsom att sätta upp funktioner med metoder som linjär regression och maskininlärning, för att använda resultaten till att korrigera Gaia stjärnparametrar och öka deras noggrannhet.