The Global Dynamical Atlas of the Milky Way Mergers: Constraints from Gaia EDR3–based Orbits of Globular Clusters, Stellar Streams, and Satellite Galaxies
Notice bibliographique
Résumé
Abstract The Milky Way halo was predominantly formed by the merging of numerous progenitor galaxies. However, our knowledge of this process is still incomplete, especially in regard to the total number of mergers, their global dynamical properties and their contribution to the stellar population of the Galactic halo. Here, we uncover the Milky Way mergers by detecting groupings of globular clusters, stellar streams, and satellite galaxies in action ( J ) space. While actions fully characterize the orbits, we additionally use the redundant information on their energy ( E ) to enhance the contrast between the groupings. For this endeavor, we use Gaia EDR3‒based measurements of 170 globular clusters, 41 streams, and 46 satellites to derive their J and E . To detect groups, we use the ENLINK software, coupled with a statistical procedure that accounts for the observed phase-space uncertainties of these objects. We detect a total of N = 6 groups, including the previously known mergers Sagittarius, Cetus, Gaia‒Sausage/Enceladus, LMS-1/Wukong, Arjuna/Sequoia/I’itoi, and one new merger that we call Pontus. All of these mergers, together, comprise 62 objects (≈25% of our sample). We discuss their members, orbital properties, and metallicity distributions. We find that the three most-metal-poor streams of our galaxy—“C-19” ([Fe/H] = −3.4 dex), “Sylgr” ([Fe/H] = −2.9 dex), and “Phoenix” ([Fe/H] = −2.7 dex)—are associated with LMS-1/Wukong, showing it to be the most-metal-poor merger. The global dynamical atlas of Milky Way mergers that we present here provides a present-day reference for galaxy formation models.
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) | 0,000 | 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 tête enseignante, 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 ».