[论文解读] New families in our Solar neighborhood: applying Gaussian Mixture models for objective classification of structures in the Milky Way and in simulations

Farnik Nikakhtar, Robyn E. Sanderson+11 more|arXiv (Cornell University)|Apr 16, 2021

Stellar, planetary, and galactic studies参考文献 126被引用 11

一句话总结

该论文将高斯混合模型（GMMs）应用于盖亚-APOGEE DR16数据和FIRE-2宇宙学模拟，利用三维运动学和铁元素丰度对太阳邻域的恒星族进行客观分类。研究识别出五个独立组分——两个薄盘子群体、两个α元素增强的厚盘组分以及一个晕，揭示了比标准四组分模型更为复杂的结构。

ABSTRACT

The standard picture of galaxy formation motivates the decomposition of the Milky Way into 3--4 stellar populations with distinct kinematic and elemental abundance distributions: the thin disk, thick disk, bulge, and stellar halo. To test this idea, we construct a Gaussian mixture model (GMM) for both simulated and observed stars in the Solar neighborhood, using measured velocities and iron abundances (i.e., an augmented Toomre diagram) as the distributions to be decomposed. We compare results for the Gaia-APOGEE DR16 crossmatch catalog of the Solar neighborhood with those from a suite of synthetic Gaia-APOGEE crossmatches constructed from FIRE-2 cosmological simulations of Milky Way-mass galaxies. We find that in both the synthetic and real data, the best-fit GMM uses five independent components, some of whose properties resemble the standard populations predicted by galaxy formation theory. Two components can be identified unambiguously as the thin disk and another as the halo. However, instead of a single counterpart to the thick disk, there are three intermediate components with different age and alpha abundance distributions (although these data are not used to construct the model). We use decompositions of the synthetic data to show that the classified components indeed correspond to stars with different origins. By analogy with the simulated data, we show that our mixture model of the real Gaia-APOGEE crossmatch distinguishes the following components: (1) a classic thin disk of young stars on circular orbits (46%), (2) thin disk stars heated by interactions with satellites (22%), (3, 4) two components representing the velocity asymmetry of the alpha-enhanced thick disk (27%), and (5) a stellar halo consistent with early, massive accretion (4%).

研究动机与目标

• 利用运动学和元素丰度对太阳邻域的恒星族进行客观分类。
• 检验标准四组分模型（薄盘、厚盘、晕、银心）是否足以描述银河系的结构。
• 通过FIRE-2模拟生成的合成数据验证GMM方法，确认识别出的组分确实对应于不同的天体物理起源。
• 为跨多仪器数据集提供一个概率性分类框架，实现参数的一致性。

提出的方法

• 使用三维恒星速度（VX, VY, VZ）和[Fe/H]作为输入特征，构建高斯混合模型（GMM）。
• 将GMM应用于真实的盖亚-APOGEE DR16数据以及FIRE-2宇宙学模拟生成的盖亚-APOGEE交叉匹配数据。
• 利用模型选择准则（如BIC）确定混合模型中最佳组分数。
• 通过对比模拟中组分的性质与已知形成历史来验证模型，确认组分确实对应于不同的天体物理起源。
• 将训练好的GMM应用于真实数据，基于其运动学和化学性质对恒星进行概率性分组。
• 通过使用相同的金属量尺度并将分析限制在GMM有效体积内，确保跨数据集的一致性。

实验结果

研究问题

• RQ1 标准四组分模型（薄盘、厚盘、晕、银心）是否足以描述太阳邻域的运动学与化学结构？
• RQ2 高斯混合模型能否仅基于运动学和[Fe/H]在真实与模拟数据中客观识别出不同的恒星族？
• RQ3 真实盖亚-APOGEE数据中识别出的组分是否与宇宙学模拟中已知的形成机制一致？
• RQ4 数据是否支持比传统四族群模型更复杂的结构，特别是在厚盘区域？
• RQ5 训练好的GMM能否用于对具有不同选择函数的异构数据集中的恒星进行概率性分类？

主要发现

• 真实与模拟数据的最佳拟合GMM均采用五个组分，表明其结构复杂度超过标准四组分模型。
• 两个组分被明确识别为经典薄盘（占46%的恒星）和恒星晕（占4%），前者以年轻、金属丰度较高的恒星为主，轨道接近圆形。
• 厚盘并非单一族群，而应由两个独立组分（合计占27%）最好描述，其具有α元素增强的丰度模式和速度不对称性。
• 额外识别出一个薄盘组分（占22%），其为过去星系卫星并合事件导致的动力加热效应所致，表明动力加热是盘系演化中的关键机制。
• 模拟中模型组分与已知形成历史一致，证实真实数据中识别出的组分具有物理上独立的起源。
• 训练好的GMM可实现跨数据集的恒星概率性分类，为化学动力学研究中的跨仪器比较提供稳健工具。