利用 SPARC 检验多味 ULDM 模型

我们使用斯皮策测光与精确旋转曲线（SPARC）数据库对单味与双味超轻暗物质（ULDM）模型进行最大似然估计（MLEs），并将这些估计与几种常用冷暗物质（CDM）模型的 MLEs 进行比较。通过比较各类 CDM 模型，我们与先前研究一致地发现 Burkert 和 Einasto 模型往往优于其他常用 CDM 模型。我们聚焦于 Einasto 与 ULDM 模型间的比较，并分析了 ULDM 粒子质量：自由变化；以及固定这两种情形。在每项分析中，我们假设孤子与晕分布按以下方式拟合：直接相加；以及在给定半径处匹配。当令粒子质量自由变化时，在假设相加模型下，我们发现对于 $10^{-25}\,\text{eV}\leq m\leq10^{-19}\,\text{eV}$ 内任意特定质量区间均无显著偏好。然而对于匹配模型，我们发现几乎所有星系都偏好粒子质量在 $10^{-23}\,\text{eV}\lesssim m\lesssim10^{-20}\,\text{eV}$ 范围内。对于两种双味模型，我们发现大多数星系偏好近似相等的粒子质量。我们发现相加模型相对于孤子-晕（SH）关系给出比匹配模型大得多的方差。当粒子质量固定时，对于扫描的大多数质量，匹配模型给出的孤子与晕值的中位数和均值落在 SH 关系边界内。当在拟合过程中固定粒子质量时，我们发现单味模型的最佳拟合结果为粒子质量 $m=10^{-20.5}\,\text{eV}$，而双味匹配模型为 $m_1=10^{-20.5}\,\text{eV}$、$m_2=10^{-20.2}\,\text{eV}$。我们讨论了如何利用强化学习算法推进本研究。