利用机器学习与星系团的非平衡态获取质量分布
宇宙学与河外天体物理
2024-02-02 v1
摘要
我们使用三维 K 均值聚类来表征 Abell 2146 星系团(z = 0.2343)中的星系子结构。该方法使用以星系团光学中心为中心的 2.305 Mpc 圆形区域内 67 个星系的投影位置和速度数据,客观地表征了星系团的子结构。发现最佳子结构数量为 4 个。与星系团形成的宇宙学模拟相比,具有星系群或低质量子团典型 RMS 速度的四个不同子结构表明,Abell 2146 处于形成的早期阶段。我们利用这种在所有红移的星系团中都普遍存在的非平衡态,来构建径向质量分布。子结构是有界的但未位力化的。这种方法与之前的动力学分析形成对比,后者假设了位力化,并忽略了星系普遍存在的成团现象。最佳拟合的径向质量分布比著名的 NFW 分布要少得多的中心集中,这表明由暗物质主导的质量分布在平衡前更为平坦,通过子结构的合并而在平衡时变得更为中心尖锐。
引用
@article{arxiv.2402.00139,
title = {Exploiting Machine Learning and Disequilibrium in Galaxy Clusters to Obtain a Mass Profile},
author = {Mark J. Henriksen and Prajwal Panda},
journal= {arXiv preprint arXiv:2402.00139},
year = {2024}
}
备注
5 pages, 8 figures