用贝叶斯机器学习揭示银河系内盘与外盘的不同形成路径
星系天体物理
2021-03-17 v3
摘要
我们开发了一个称为 BINGO（Bayesian INference for Galactic archaeOlogy，银河系考古学贝叶斯推断）的贝叶斯机器学习框架，其核心是一个贝叶斯神经网络。在由 APOGEE 和 \emph{Kepler} 星震年龄数据训练后，BINGO 被用于获得 APOGEE 恒星带不确定度的精确相对恒星年龄估计。我们仔细构建训练集以最小化偏差，并将 BINGO 应用于与训练集相似的恒星种群。然后我们筛选出 17,305 颗具有 BINGO 年龄和由 \textit{Gaia} DR2 获得的可靠运动学性质的恒星。通过结合年龄与化学-运动学信息，我们将银河系盘星划分为三个成分，即厚盘（年老、高-[/Fe]、[/Fe] 0.12）、薄盘（年轻、低-[/Fe]）以及桥接区——厚盘与薄盘之间的区域。我们的结果表明厚盘仅在早期的内区形成，且内盘平滑转变为薄盘。我们发现外盘遵循与内盘不同的化学演化路径。外区贫金属恒星仅在致密的厚盘阶段完成后才开始形成，且恒星形成气体盘伴随贫金属气体吸积向外延伸。我们发现在桥接区 [Fe/H] 的范围随年龄减小而变宽，这表明桥接区对应于从较小的化学充分混合的厚盘到具有金属丰度梯度的较大薄盘的过渡阶段。
引用
@article{arxiv.2003.03316,
title = {Unveiling the Distinct Formation Pathways of the Inner and Outer Discs of the Milky Way with Bayesian Machine Learning},
author = {Ioana Ciucă and Daisuke Kawata and Andrea Miglio and Guy R. Davies and Robert J. J. Grand},
journal= {arXiv preprint arXiv:2003.03316},
year = {2021}
}
备注
11 pages, 11 figures, accepted in MNRAS