利用机器学习确定卫星星系落入时间
星系天体物理
2023-02-13 v2 宇宙学与河外天体物理
摘要
银河系(MW)卫星星系的一个关键未知量是它们的轨道历史，特别是它们被吸积到MW系统的时间，因为这标志着它们经历多种环境过程的起点。我们提出一种确定落入时间的新方法，即使用神经网络(NN)算法。该NN在EAGLE流体动力学模拟中的MW类似物上进行训练，以预测一个矮星系是首次落入还是回溅星系，并推断其落入时间。所得NN以85%的准确率预测当前位于维里半径之外的星系是否为回溅卫星，并以典型的68%置信区间4.4 Gyrs确定落入时间。将NN应用于具有Gaia EDR3自行的MW矮星系，我们发现300 kpc内的所有矮星系都曾位于银河系晕内。整体MW卫星吸积率与理论预测吻合良好，除了晚期MW在回溯时间1.5 Gyrs处出现第二个峰值，对应于LMC及其卫星的落入。我们还发现超暗矮星系的 quenching 时间与落入时间无显著相关性，从而支持它们是在再电离期间被 quenched 的假说。相反，恒星质量高于的矮星系与银河系晕内的环境 quenching 一致，其恒星形成平均在落入后 Gyrs停止。
引用
@article{arxiv.2206.07419,
title = {Determining Satellite Infall Times Using Machine Learning},
author = {Stan Barmentloo and Marius Cautun},
journal= {arXiv preprint arXiv:2206.07419},
year = {2023}
}
备注
13 pages, 7 figures, appendix: 4 pages, published version