关于在银河系检测星体 wakes 的深层学习方法
星系天体物理
2025-01-22 v1
摘要
由于对亚原子质量函数低质量端的观测限制不足，探测银河系内的暗物质 (DM) 亚星体将提供关于暗物质本质的宝贵信息。星体 wakes 由通过的 DM 亚星体引起，编码有关诱导扰动器质量的信息，因而可作为探测银河系 (MW) 内部暗物质亚结构的间接探针。我们的目标是评估使用深度学习搜索银河系恒星星云中星体 wakes 的可行性和性能。我们模拟了在均匀的 DM 和星体粒子介质中运动的巨型天体 (亚星体)，并调整相位空间参数以复制银河系在特定距离处的条件。所模拟的数据用于训练深度神经网络，以推断扰动器的存在及其质量，并评估在不同银河系恒星和 DM 星云条件下的亚星体可探测性。我们发现，二分类器能够推断亚星体的存在，在 的亚星体质量下仍显示非平凡性能。我们还发现，二分类器对描述不同银河系中心距离处亚星体轨道的数据具有普适性。在多假设情况下，我们能够区分包含不同质量亚星体的样本。就可用作亚星体探测器的相位空间可观测量而言，我们得出结论，密度扰动和速度散度是亚星体探测性能最重要的特征。
引用
@article{arxiv.2412.02749,
title = {On the detection of stellar wakes in the Milky Way: a deep learning approach},
author = {Sven Põder and Joosep Pata and María Benito and Isaac Alonso Asensio and Claudio Dalla Vecchia},
journal= {arXiv preprint arXiv:2412.02749},
year = {2025}
}