Multiple chemodynamic stellar populations of the Ursa Minor dwarf spheroidal galaxy
Notice bibliographique
Résumé
ABSTRACT We present a Bayesian method to identify multiple (chemodynamic) stellar populations in dwarf spheroidal galaxies (dSphs) using velocity, metallicity, and positional stellar data without the assumption of spherical symmetry. We apply this method to a new Keck/Deep Imaging Multi-Object Spectrograph (DEIMOS) spectroscopic survey of the Ursa Minor (UMi) dSph. We identify 892 likely members, making this the largest UMi sample with line-of-sight velocity and metallicity measurements. Our Bayesian method detects two distinct chemodynamic populations with high significance (in logarithmic Bayes factor, ln B ∼ 33). The metal-rich ([Fe/H] = −2.05 ± 0.03) population is kinematically colder (radial velocity dispersion of $\sigma _v=4.9_{-1.0}^{+0.8} \, \mathrm{km} \, \mathrm{s}^{-1}$) and more centrally concentrated than the metal-poor ($[{\rm Fe/H}]=-2.29_{-0.06}^{+0.05}$) and kinematically hotter population ($\sigma _v =11.5_{-0.8}^{+0.9}\, \mathrm{km} \, \mathrm{s}^{-1}$). Furthermore, we apply the same analysis to an independent Multiple Mirror Telescope (MMT)/Hectochelle data set and confirm the existence of two chemodynamic populations in UMi. In both data sets, the metal-rich population is significantly flattened (ϵ = 0.75 ± 0.03) and the metal-poor population is closer to spherical ($\epsilon =0.33_{-0.09}^{+0.12}$). Despite the presence of two populations, we are able to robustly estimate the slope of the dynamical mass profile. We found hints for prolate rotation of order ${\sim}2 \, \mathrm{km} \, \mathrm{s}^{-1}$ in the MMT data set, but further observations are required to verify this. The flattened metal-rich population invalidates assumptions built into simple dynamical mass estimators, so we computed new astrophysical dark matter annihilation (J) and decay profiles based on the rounder, hotter metal-poor population and inferred $\log _{10}{(J(0{^{\circ}_{.}}5)/{\rm GeV^{2} \, cm^{-5}})}\approx 19.1$ for the Keck data set. Our results paint a more complex picture of the evolution of UMi than previously discussed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».