利用梯度提升决策树估计本星系群质量

我们的目标是估计本星系群（Local Group, LG）的总质量及其主要星系——M31 和银河系（Milky Way, MW）的各自质量。我们通过一种监督机器学习算法——梯度提升决策树（Gradient Boosted Decision Trees, GBDT）来实现这一目标，并使用观测到的两者距离和相对速度作为输入参数。GBDT 被应用于从一组 5 个仅含暗物质（Dark Matter, DM）的模拟中抽取的 2148 个模拟 LG 样本，这些模拟在标准 $\Lambda$CDM 宇宙学模型下运行。模拟 LG 的选取由一个定义了此类天体的 LG 模型指导。输入参数的观测不确定性影响，通过将该模型应用于一组模拟 LG 对来评估，这些模拟 LG 对的可观测量是这些输入参数被其相应观测误差扰动后的值。最后，使用实际 LG 的观测数据来推断其相关质量。我们的主要结果是银河系和 M31 的总质量及各自质量：$M_{tot} = 3.31 ^{+0.79}_{-0.67}$, $M_{MW}=1.15^{+0.25}_{-0.22}$ 和 $M_{M31}=2.01^{+0.65}_{-0.39} \ \ \times 10^{12}M_{\odot}$（对应中位数以及第一和第三四分位数）。质量比为 $M_{M31}/M_{MW}=1.75^{+0.54}_{-0.28}$，按惯例，此处定义 M31 为两个暗晕中质量较大的一个。