利用深度学习在 Gaia DR2 中追踪吸积结构
星系天体物理
2022-02-15 v2 宇宙学与河外天体物理
摘要
在先前工作中，我们开发了一种仅依赖相空间信息的深度神经网络分类器，基于 Gaia 第二次数据发布（DR2）获得了吸积恒星星表。本文中，我们应用两种聚类算法来识别该星表中的速度子结构。我们聚焦于具有视线速度测量、且位于银心半径 kpc 与垂直距离 kpc 范围内的恒星子集。已知结构如 Gaia Enceladus 与 Helmi 流均被识别出来。最大的此前未知结构 Nyx 是一个广阔星流，在感兴趣区域内至少由 90 颗恒星组成。本研究展示了机器学习方法的威力：不仅成功识别已知特征，还发现了可能揭示银河系并合历史的新运动学结构。
引用
@article{arxiv.1907.07681,
title = {Chasing Accreted Structures within Gaia DR2 using Deep Learning},
author = {Lina Necib and Bryan Ostdiek and Mariangela Lisanti and Timothy Cohen and Marat Freytsis and Shea Garrison-Kimmel},
journal= {arXiv preprint arXiv:1907.07681},
year = {2022}
}
备注
15 + 13 pages, 9 + 15 figures. v2: Minor changes in calculating probabilities to belong to a kinematic structure. Conclusions unchanged