利用图神经网络揭示矮星系中的暗物质密度剖面

矮星系是小型的、暗物质主导的星系，其中一些嵌入于银河系中。它们缺乏重子物质（例如恒星和气体），使其成为探测暗物质性质的完美试验台——理解这些系统中暗物质的空间分布可用于约束影响我们宇宙中结构形成与演化的微观物理暗物质相互作用。我们引入了一种新方法，利用基于模拟的推断和基于图的机器学习，从这些系统中受引力束缚的恒星的可观测运动学推断矮星系的暗物质密度剖面。我们的方法旨在解决基于动力学 Jeans 建模的既有方法的一些局限性。我们表明，这种新颖方法能够对暗物质剖面施加更强的约束，并因此有可能对与暗物质晕小尺度结构相关的一些持续谜题（如核-尖点差异）发表见解。