ASTROMETRIC MICROLENSING BY LOCAL DARK MATTER SUBHALOS
Notice bibliographique
Résumé
High-resolution N-body simulations of dark matter halos indicate that the Milky Way contains numerous subhalos. When a dark matter subhalo passes in front of a star, the light from that star will be deflected by gravitational lensing, leading to a small change in the star's apparent position. This astrometric microlensing signal depends on the inner density profile of the subhalo and can be greater than a few microarcseconds for an intermediate-mass subhalo (Mvir > 10000 solar masses) passing within arcseconds of a star. Current and near-future instruments could detect this signal, and we evaluate SIM's, Gaia's, and ground-based telescopes' potential as subhalo detectors. We develop a general formalism to calculate a subhalo's astrometric lensing cross section over a wide range of masses and density profiles, and we calculate the lensing event rate by extrapolating the subhalo mass function predicted by simulations down to the subhalo masses potentially detectable with this technique. We find that, although the detectable event rates are predicted to be low on the basis of current simulations, lensing events may be observed if the central regions of dark matter subhalos are more dense than current models predict (>1 solar mass within 0.1 pc of the subhalo center). Furthermore, targeted astrometric observations can be used to confirm the presence of a nearby subhalo detected by gamma-ray emission. We show that, for sufficiently steep density profiles, ground-based adaptive optics astrometric techniques could be capable of detecting intermediate-mass subhalos at distances of hundreds of parsecs, while SIM could detect smaller and more distant subhalos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».