[논문 리뷰] Tracing Milky Way substructure with an RR Lyrae hierarchical clustering forest

Brian T. Cook, D. Woods외 7명|arXiv (Cornell University)|2022. 04. 12.

Stellar, planetary, and galactic studies참고 문헌 82인용 수 4

한 줄 요약

이 연구는 Gaia DR2 및 EDR3 데이터를 사용하여 은하수의 RR Lyr 변수 하위구조를 식별하기 위해 계층적 군집 숲 방법을 도입한다. 91,234개의 RR Lyr 별에 대해 평균 연결을 사용한 적립형 계층 군집을 적용하여 물리적으로 일관된 16개의 하위구조를 탐지하였으며, 이 중 5개는 알려진 구형별개성 주변에 위치하고 있고, 한 개는 대마젤란운과 관련이 있을 가능성이 있다. 그룹의 타당성은 상호 연관된 운동량으로 검증되었다.

ABSTRACT

RR Lyrae variable stars have long been reliable standard candles used to discern structure in the Local Group. With this in mind, we present a routine to identify groupings containing a statistically significant number of RR Lyrae variables in the Milky Way environment. RR Lyrae variable groupings, or substructures, with potential Galactic archaeology applications are found using a forest of agglomerative, hierarchical clustering trees, whose leaves are Milky Way RR Lyrae variables. Each grouping is validated by ensuring that the internal RR Lyrae variable proper motions are sufficiently correlated. Photometric information was collected from the Gaia second data release and proper motions from the (early) third data release. After applying this routine to the catalogue of 91234 variables, we are able to report sixteen unique RR Lyrae substructures with physical sizes of less than 1 kpc. Five of these substructures are in close proximity to Milky Way globular clusters with previously known tidal tails and/or a potential connection to Galactic merger events. One candidate substructure is in the neighbourhood of the Large Magellanic Cloud but is more distant (and older) than known satellites of the dwarf galaxy. Our study ends with a discussion of ways in which future surveys could be applied to the discovery of Milky Way stellar streams.

연구 동기 및 목표

• 은하수 할로에서 RR Lyr 변수의 물리적으로 일관된 하위구조를 식별하는 것.
• 과적합을 방지하고 계층적 군집을 포착할 수 있는 강력한 군집 방법을 개발하는 것.
• 멤버 별 간의 운동량 상관관계를 통해 하위구조를 검증하여 운동역학적 일관성을 확보하는 것.
• RR Lyr 하위구조와 은하 고생물학적 연구, 즉 융합 사건과 위성 시스템 간의 관계를 탐색하는 것.
• 3차원 위상공간 데이터에 대해 계층 군집을 적용하여 성운 탐지에 효과적인지 입증하는 것.

제안 방법

• Gaia DR2 및 EDR3의 91,234개의 RR Lyr 변수에 대해 평균 연결을 사용한 적축형 계층 군집을 적용한다.
• 거리 모듈러스를 물리적 거리의 대체 지표로 사용하며, 광학 및 흡수 불확실성을 포함한다.
• 스케일러블 군집을 가능하게 하기 위해 48개의 HEALPix 하위영역에서 압축된 거리 행렬을 구성한다.
• 다양한 군집 척도에서 통계적으로 유의미한 군집을 식별하기 위해 군집 트리의 숲을 활용한다.
• 멤버 별 간의 높은 내부 운동량 상관관계를 요구함으로써 하위구조를 검증한다.
• 다중 척도 분석을 통해 군집의 유의성에서 局부 최대값을 탐지하여 중복을 줄인다.

실험 결과

연구 질문

• RQ1 계층 군집이 은하수 할로의 물리적으로 일관된 RR Lyr 하위구조를 효과적으로 식별할 수 있는가?
• RQ2 운동량 상관관계는 탐지된 RR Lyr 군집의 운동역학적 일관성을 어떻게 검증하는가?
• RQ3 탐지된 하위구조와 알려진 구형별개성 또는 융합 사건 간의 관계는 무엇인가?
• RQ4 이 방법은 대마젤란운의 위성으로서 알려지지 않은 하위구조를 탐지할 수 있는가?
• RQ5 거리 모듈러스의 불확실성은 하위구조 탐지의 신뢰성에 어떤 영향을 미치는가?

주요 결과

• 이 방법은 물리적 크기가 1 kpc 이하인 16개의 고유한 RR Lyr 하위구조를 성공적으로 식별하였다.
• 5개의 하위구조는 흐트러진 꼬리 또는 융합 연관성이 알려진 구형별개성 주변에 가까이 위치해 있다.
• 하위구조 31은 대마젤란운 근처에 있지만, 알려진 LMC 위성보다 더 멀리 떨어져 있고 더 오래된 연령을 가진다.
• 거리 모듈러스에서 가장 큰 불확실성 원인은 δmV이며, 이는 거리 오차 전파의 주요 기여 요소이다.
• 운동량 검증을 통한 계층 군집은 노이즈가 많은 위상공간 데이터에서 물리적으로 일관된 군집을 효과적으로 분리한다.
• 이 방법은 향후 Rubin 관측소와 같은 설계에 따라 은하수 하위구조를 더 완전하게 맵핑할 잠재력을 보여준다.