Simulasi Numerik Model Massa Gelap BeeTheory

Penjelasan lengkap dan dapat direproduksi tentang integrasi numerik, dekomposisi kecepatan baryonik, minimalisasi χ², dan pilihan implementasi di balik simulasi massa gelap BeeTheory.

Halaman teknis ini menjelaskan cara mereproduksi simulasi numerik BeeTheory untuk massa tersembunyi Bima Sakti. Di dalamnya dijelaskan mengenai data observasi, model baryonik, persamaan kerapatan berbasis gelombang, integrasi numerik, metode fitting, uji konvergensi, dan kode referensi.

Tujuannya sederhana: mulai dari piringan Bima Sakti yang terlihat, terapkan model kerapatan gelombang BeeTheory, hitung massa tersembunyi yang efektif, dan bandingkan kurva kecepatan melingkar yang dihasilkan dengan pengamatan era Gaia.

Isi

  • Gambaran umum simulasi
  • Data observasi
  • Model kecepatan baryonik
  • Persamaan kepadatan gelap BeeTheory
  • Skema integrasi numerik
  • Minimalisasi χ² dan pemasangan parameter
  • Anggaran konvergensi dan kesalahan
  • Kode referensi lengkap
  • Cara mereproduksi simulasi

0. Apa yang Kami Komputasi dan Mengapa

Kurva rotasi B imasakti adalah kecepatan edar Vc(R) bintang-bintang sebagai fungsi dari jarak R dari Pusat Galaksi. Saat ini, kurva ini diukur jauh lebih akurat daripada distribusi massa total yang bisa kita lihat secara langsung.

Perbedaan antara kecepatan yang teramati dan yang diprediksi oleh materi baryonik yang tampak adalah masalah massa yang tersembunyi. Model standar menyebutkan adanya lingkaran cahaya partikel yang tidak terlihat, biasanya berupa materi gelap yang dingin. BeeTheory mengusulkan interpretasi yang berbeda: setiap elemen massa yang terlihat memancarkan medan gelombang yang meluruh secara eksponensial dalam tiga dimensi, dan medan yang terakumulasi berperilaku seperti massa yang tersembunyi.

Simulasi ini melakukan tiga hal:

  1. Menghitung Vcbar (R) dari cakram dan tonjolan yang terlihat dengan menggunakan rumus cakram analitik Freeman.
  2. Secara numerik mengintegrasikan kerapatan BeeTheory ρdark(r; ℓ, λ) pada setiap radius, kemudian mengubahnya menjadi VcDM(R).
  3. Meminimalkan χ²(ℓ, λ) terhadap kurva rotasi Bima Sakti era Gaia untuk menemukan parameter-parameter yang paling sesuai.

Simulasi ini dirancang untuk dapat direproduksi. Simulasi ini dapat dijalankan dalam JavaScript atau Python tanpa pustaka astrofisika khusus.

Notasi yang digunakan di seluruh bagian

  • R adalah jari-jari galaksi silindris pada bidang piringan, dalam kpc.
  • r adalah radius galaksi sferis.
  • z adalah ketinggian di atas disk.
  • adalah panjang koherensi BeeTheory, dalam kpc.
  • λ adalah kopling gelombang-massa yang tidak berdimensi.
  • G digunakan dalam satuan kpc km² s-² M⊙-¹.
\(G=4.302\times10^{-3}\,\mathrm{kpc\,km^2\,s^{-2}\,M_\odot^{-1}}\)

Gambaran Umum Saluran Pipa

  1. Data era Gaia: membangun set data (Ri,Vi, σi).
  2. Model baryonik: menghitung Vbar(R) dari disk dan tonjolan.
  3. Kepadatan BeeTheory: menghitung ρdark(r; ℓ, λ) menggunakan kuadratur.
  4. Massa tertutup: mengintegrasikan densitas gelap efektif ke dalam Mdark(<R).
  5. Kecepatan total: menghitung Vtot(R) dari baryon ditambah massa gelap efektif.
  6. Minimisasi χ²: mencari ruang parameter untuk ℓ dan λ terbaik.
\(V_{\mathrm{tot}}(R)=\sqrt{V_{\mathrm{bar}}^2(R)+V_{\mathrm{DM}}^2(R)}\)

1. Data Pengamatan – Gaia 2024

Dataset ini didasarkan pada kurva rotasi Bima Sakti era Gaia. Kurva ini menggunakan jari-jari R, kecepatan edar Vc, dan ketidakpastian σ. Versi teknis aslinya menggunakan 16 titik data yang mencakup R = 4-27,3 kpc.

Fakta-fakta pengamatan yang penting adalah:

  • Vc(R⊙ = 8 kpc) ≈ 230 km/detik, titik jangkar di dekat orbit Matahari.
  • Vc kira-kira datar dari sekitar 5 hingga 20 kpc.
  • Vc menurun pada piringan terluar yang terukur, mencapai sekitar 173 ± 17 km/detik di dekat 27,3 kpc pada data yang dirujuk.

Hal ini membutuhkan distribusi massa tersembunyi yang efektif yang naik dengan kuat pada jari-jari menengah, kemudian melemah pada jari-jari yang lebih besar.

\(R_i=\{4,5,6,7,8,9,10,11,12,14,16,18,20,22,24,27.3\}\,\mathrm{kpc}\) \(V_i=\{220,228,232,231,230,229,228,227,226,224,222,219,215,208,200,173\}\,\mathrm{km/s}\)

Kami tidak menyertakan Galaksi terdalam karena batang pusat dan gerakan non-lingkaran mendominasi di sana. Model axisymmetric yang disederhanakan tidak dapat diandalkan di dalam wilayah tersebut.

2. Model Kecepatan Baryonik – Cakram dan Tonjolan

Kecepatan melingkar dari materi yang terlihat adalah jumlah kuadratur dari kontribusi cakram dan tonjolan:

\(V_{\mathrm{bar}}^2(R)=V_{\mathrm{disk}}^2(R)+V_{\mathrm{bulge}}^2(R)\)

2.1 Disk Eksponensial – Rumus Freeman

Piringan bintang yang tipis memiliki kerapatan permukaan yang eksponensial:

\(\Sigma(R)=\Sigma_0e^{-R/R_d}\)

dengan parameter yang representatif:

\(\Sigma_0=800\,M_\odot\,\mathrm{pc}^{-2}\) \(R_d=2.6\,\mathrm{kpc}\)

Kecepatan melingkar dari piringan eksponensial yang sangat tipis dengan massa total Md adalah:

\(V_{\mathrm{disk}}^2(R)=\frac{2GM_d}{R_d}y^2\left[I_0(y)K_0(y)-I_1(y)K_1(y)\right],\qquad y=\frac{R}{2R_d}\)

Di siniIn danKn adalah fungsi Bessel yang dimodifikasi dari jenis pertama dan kedua. Fungsi-fungsi ini dihitung secara numerik menggunakan pendekatan polinomial dan asimtotik standar.

2.2 Perkiraan Tonjolan

Tonjolan dimodelkan sebagai kontribusi massa bola yang ringkas:

\(V_{\mathrm{bulge}}^2(R)=\frac{GM_{\mathrm{bulge}}}{R}\)

Model yang lebih lengkap akan menggunakan de Vaucouleurs atau profil seperti batang, tetapi di luar beberapa kiloparsec terdalam, perkiraan ini cukup untuk simulasi orde pertama.

ParameterSimbolNilaiArti
Konstanta gravitasiG4.302 × 10-³kpc km² s-² M⊙-¹
Radius skala diskRd2,6 kpcTimbangan cakram tipis yang representatif
Massa diskMd3.5 × 10¹⁰ M⊙Perkiraan massa piringan bintang
Massa tonjolanMb1.2 × 10¹⁰ M⊙Perkiraan massa tonjolan

Parameter baryonik dianggap tetap karena parameter tersebut dibatasi oleh populasi bintang dan fotometri. Memasukkannya secara bersamaan dengan ℓ dan λ akan menciptakan degenerasi yang kuat.

3. Persamaan Kepadatan Gelap Teori Lebah

3.1 Postulat Fisik

Setiap elemen massa yang terlihat dV pada posisi r′ di piringan galaksi menghasilkan medan gelombang gravitasi yang menciptakan kerapatan massa efektif pada titik medan r:

\(d\rho_{\mathrm{dark}}(\mathbf{r})=\frac{\lambda}{\ell}\rho_{\mathrm{vis}}(\mathbf{r}’)\exp\left(-\frac{|\mathbf{r}-\mathbf{r}’|}{\ell}\right)dV\)

Kepadatan gelap total pada titik mana pun (R, z) adalah superposisi dari semua elemen cakram. Karena sumbernya adalah cakram, istilah densitas volume menjadi istilah densitas permukaan:

[lateks]\rho_{\mathrm{vis}}dV\rightarrow \Sigma (R’)R’\,dR’\,d\phi[/latex]

Integral ganda penuh adalah:

\(\rho_{\mathrm{dark}}(R,z)=\frac{\lambda}{\ell}\int_0^\infty\int_0^{2\pi}\Sigma(R’)\exp\left(-\frac{\sqrt{R^2+R’^2-2RR’\cos\phi+z^2}}{\ell}\right)R’\,d\phi\,dR’\)

3.2 Kernel Monopole dan Integrasi Azimuthal

Integral dalam atas φ tidak memiliki bentuk tertutup elementer secara umum. Pada rezim di mana titik medan cukup jauh dari cincin sumber, rata-rata azimuthal dapat didekati dengan ekspansi monopole.

\(K(r,R’)=\int_0^{2\pi}e^{-D(r,R’,\phi)/\ell}\,d\phi\approx\frac{2\pi\ell}{r}\sinh\left(\frac{r}{\ell}\right)e^{-(r+R’)/\ell}\)

Perkiraan ini dapat diandalkan di luar piringan terdalam, itulah sebabnya mengapa kecocokan yang disederhanakan tidak termasuk Galaksi pusat.

Setelah mengganti K, densitas gelap berkurang menjadi integral satu dimensi pada R′:

\(\rho_{\mathrm{dark}}(r;\ell,\lambda)=\frac{\lambda\Sigma_0}{\ell}\int_0^\infty R’e^{-R’/R_d}\frac{2\pi\ell}{r}\sinh\left(\frac{r}{\ell}\right)e^{-(r+R’)/\ell}dR’\)

3.3 Verifikasi Analitis dari Batas Asimtotik

UntukRd ≪ r ≪ ℓ, ekspresinya menjadi lebih sederhana. Piringan jauh lebih kecil daripada jari-jari, dan panjang koherensi masih jauh lebih besar daripada jari-jari.

\(\rho_{\mathrm{dark}}(r)\xrightarrow{R_d\ll r\ll\ell}\frac{2\pi\lambda\Sigma_0R_d^2}{r^2}\)

Karena:

\(\int_0^\infty R’e^{-R’/R_d}dR’=R_d^2\) \(\sinh\left(\frac{r}{\ell}\right)\approx\frac{r}{\ell}\) \(e^{-r/\ell}\approx1\)

Densitas asimtotik ini berperilaku sebagai ρ ∝ r-², yang memberikan M( [lateks]\rho(r)\propto r^{-2}\Panah kanan atas M(<r)\propto r\Panah kanan bawah V_c=\sqrt{\frac{GM(<r)}{r}}\pendek\mathrm{konstanta}[/lateks]

Memasukkan nilai yang representatif memberikan kerapatan lokal yang mendekati nilai Bimasakti yang diamati:

\(\rho_{\mathrm{dark}}(8\,\mathrm{kpc})\approx\frac{2\pi(0.082)(800\,M_\odot\,\mathrm{pc}^{-2})(2.6\,\mathrm{kpc})^2}{(8\,\mathrm{kpc})^2}\approx0.38\,\mathrm{GeV/cm^3}\)

4. Skema Integrasi Numerik

4.1 Langkah 1 – ρdark(r) oleh Kuadratur Titik Tengah

Integral cincin-sumber pada R′ terpotong pada R′maks = 30 kpc, di luar itu kerapatan permukaan piringan eksponensial dapat diabaikan.

Integrasi ini menggunakan aturan titik tengah dengan N node sumber:

\(\rho_{\mathrm{dark}}(r;\ell,\lambda)\approx\frac{\lambda}{\ell}\sum_{i=0}^{N-1}\Sigma_0e^{-R’_i/R_d}K(r,R’_i)\Delta R’,\qquad R’_i=\left(i+\frac{1}{2}\right)\frac{30}{N}\)

dimana:

\(K(r,R’_i)=\frac{2\pi\ell}{r}\sinh\left(\frac{r}{\ell}\right)e^{-(r+R’_i)/\ell}\)

4.2 Langkah 2 – Massa Gelap Tertutup

Setelah menghitung ρdark(r), massa gelap yang tertutup di dalam radius R diperoleh dengan integral kulit bola:

\(M_{\mathrm{dark}}(<R)=\int_0^R4\pi r^2\rho_{\mathrm{dark}}(r)\,dr\)

Secara numerik:

\(M_{\mathrm{dark}}(<R)\approx\sum_{j=0}^{N_r-1}4\pi r_j^2\rho_{\mathrm{dark}}(r_j)\Delta r\)

4.3 Langkah 3 – Kecepatan Melingkar Materi Gelap

\(V_{\mathrm{DM}}(R)=\sqrt{\frac{GM_{\mathrm{dark}}(<R)}{R}}\)

Maka, kecepatan melingkar total adalah:

\(V_{\mathrm{total}}(R)=\sqrt{V_{\mathrm{bar}}^2(R)+V_{\mathrm{DM}}^2(R)}\)

4.4 Konversi Satuan

Integral kerapatan menghasilkan kerapatan dalam massa matahari per kiloparsec kubik. Untuk membandingkan dengan kerapatan materi gelap lokal kanonik dalam GeV/cm³, gunakan:

\(1\,\frac{M_\odot}{\mathrm{kpc}^3}=\frac{1.989\times10^{30}\,\mathrm{kg}\times5.61\times10^{26}\,\mathrm{GeV/kg}}{(3.086\times10^{21}\,\mathrm{cm})^3}\) \(1\,M_\odot\,\mathrm{kpc}^{-3}\approx3.778\times10^{-2}\,\mathrm{GeV\,cm^{-3}}\)

5. Minimisasi χ² dan Penyesuaian Parameter

5.1 Fungsi Tujuan

Kecocokan ini meminimalkan chi-kuadrat yang berkurang:

\(\chi_\nu^2(\ell,\lambda)=\frac{1}{N-p}\sum_{i=1}^{N}\left(\frac{V_c^{\mathrm{model}}(R_i;\ell,\lambda)-V_{c,i}}{\sigma_i}\right)^2\)

dengan N = 16 titik data dan p = 2 parameter bebas, ℓ dan λ. Hal ini memberikan 14 derajat kebebasan.

5.2 Pencarian Kisi Dua Lintasan

Pencarian grid digunakan daripada gradient descent karena lanskap memiliki lembah degenerasi yang panjang dan melengkung antara λ dan ℓ.

  • Lulus 1: kisi-kisi kasar pada ℓ dan λ.
  • Lulus2: penyempurnaan lokal di sekitar minimum kasar.

Perwakilan wilayah yang paling sesuai adalah:

\(\ell\approx130\,\mathrm{kpc},\qquad \lambda\approx0.082,\qquad \chi^2/\mathrm{dof}\approx1.4\)

5.3 Lembah Kemunduran

Lanskap χ² bukanlah mangkuk simetris. Ini membentuk lembah yang memanjang karena normalisasi densitas utama sangat bergantung pada kekuatan kopling dan hanya lemah pada panjang koherensi di dalam rezim rotasi datar.

Penurunan luar kurva rotasi mematahkan kemunduran ini karena nilai ℓ yang lebih kecil menekan densitas efektif lebih awal.

Data di atas 30 kpc, termasuk gugus bola, aliran bintang, bintang halo, dan galaksi satelit, sangat penting untuk membatasi ℓ dengan lebih ketat.

6. Anggaran Konvergensi dan Kesalahan

Simulasi ini menguji seberapa sensitif output terhadap jumlah node kuadratur yang digunakan dalam integral sumber dan integral massa radial.

N node sumberρ (8 kpc)Perubahan relatifχ²/dofRuntime
1010.833.2%1.52Cepat
2010.981.8%1.45Cepat
4011.080.9%1.41Pilihan produksi
8011.130.4%1.40Lebih lambat
20011.150.2%1.39Validasi

N = 40 memberikan akurasi di bawah satu persen pada kepadatan dan nilai χ² yang hampir konvergen. Kesalahan numerik lebih kecil daripada ketidakpastian observasi dan pemodelan.

Sumber Kesalahan Utama

Sumber kesalahanEfekMitigasi
Perkiraan monopoleMempengaruhi jari-jari bagian dalamGunakan kernel sudut yang tepat
Disk tebal yang hilangPergeseran λMenambahkan komponen disk tebal
Disk gas yang hilangMengubah profil luarTambahkan disk gas HI dan H₂
Sistematika GaiaMempengaruhi kurva kecepatan luarGunakan matriks kovarians penuh
Perkiraan simetri bolaMempengaruhi perataan haloGunakan kernel 3D penuh

Ketidakpastian yang dominan bukanlah integrasi numerik. Melainkan pemodelan fisik: dekomposisi baryonik, pendekatan kernel, data outer-halo, dan hubungan yang tepat antara persamaan gelombang BeeTheory dan kernel eksponensial.

7. Kode Referensi Lengkap

Implementasi referensi JavaScript berikut ini mereproduksi logika simulasi utama. Ini dimaksudkan untuk validasi teknis dan harus ditempatkan di lingkungan skrip yang tepat, tidak langsung di dalam blok konten WordPress standar kecuali jika skrip kustom diizinkan.

// Konstanta fisik
const G = 4.302e-3; // kpc km² s-² M☉-¹
const Sig0 = 800.0; // M☉ pc-²
const Rd = 2.6; // kpc
const Mdisk = 3.5e10; // M☉
const Mbulge = 1.2e10; // M☉
const CONV_RHO = (1.989e30 * 5.61e26) / (3.086e21)**3;

// Data rotasi era Gaia
const OBS_R = [4,5,6,7,8,9,10,11,12,14,16,18,20,22,24,27.3];
const OBS_V = [220,228,232,231,230,229,228,227,226,224,222,219,215,208,200,173];
const OBS_ERR = [10,8,7,7,6,6,6,6,6,7,7,8,9,10,11,13,17];

// Penampung kecepatan baryonik
function vBaryonic(R) {
  // Dalam implementasi penuh, ini menggunakan rumus disk Freeman
  // dengan fungsi Bessel yang dimodifikasi I0, I1, K0, K1.
  const vb2 = G * Mbulge / Math.max(R, 0.2);
  return Math.sqrt(Math.max(0, vb2));
}

// Kepadatan gelap BeeTheory
function rhoDark(r, ell, lam) {
  const N = 40;
  const dRp = 30.0 / N;
  biarkan jumlah = 0;

  for (let i = 0; i < N; i++) {
    const Rp = (i + 0.5) * dRp;
    const Sig = Sig0 * Math.exp(-Rp / Rd);
    const K = (2 * Math.PI * ell / r)
      * Math.sinh(Math.min(r / ell, 30))
      * Math.exp(-Math.min((r + Rp) / ell, 30));

    jumlah += Sig * Rp * K * dRp;
  }

  return (lam / ell) * sum;
}

// Massa gelap tertutup
function tertutupMassaGelap(R, ell, lam) {
  const Nr = 30;
  const dr = R / Nr;
  biarkan M = 0;

  for (let j = 0; j < Nr; j++) {
    const rj = (j + 0.5) * dr;
    M += 4 * Math.PI * rj * rj * rhoDark(rj, ell, lam) * dr;
  }

  mengembalikan M;
}

// Kecepatan gelap dan total
function vDM(R, ell, lam) {
  return Math.sqrt(Math.max(0, G * enclosedDarkMass(R, ell, lam) / R));
}

function vTotal(R, ell, lam) {
  const vb = vBaryonic(R);
  const vd = vDM(R, ell, lam);
  return Math.sqrt(vb * vb + vd * vd);
}

// Chi-kuadrat
function chiKuadrat(ell, lam) {
  let s = 0;

  for (let i = 0; i < OBS_R.length; i++) {
    const dv = (vTotal(OBS_R[i], ell, lam) - OBS_V[i]) / OBS_ERR[i];
    s += dv * dv;
  }

  return s / (OBS_R.length - 2);
}

Versi yang lengkap harus menyertakan implementasi yang akurat dari fungsi Bessel yang dimodifikasi I0, I1, K0, dan K1 untuk kecepatan disk Freeman.

8. Cara Mereproduksi Simulasi Ini

8.1 Di Browser

  1. Buka browser modern apa pun.
  2. Buka konsol pengembang.
  3. Rekatkan implementasi JavaScript lengkap.
  4. Jalankan fungsi fitting atau evaluasi χ² secara manual untuk ℓ dan λ yang dipilih.

8.2 Dalam Python

Algoritma yang sama dapat diterjemahkan secara langsung ke Python dan NumPy. Di Python, gunakan scipy.special.iv dan scipy.special.kv untuk fungsi-fungsi Bessel, yang lebih akurat dibandingkan dengan pendekatan polinomial yang dikodekan secara manual.

import numpy as np
from scipy.special import iv, kv
from scipy.optimize import minimize

G = 4.302e-3
Sig0 = 800.0
Rd = 2.6
Mdisk = 3.5e10
Mbulge = 1.2e10

OBS_R = np.array([4,5,6,7,8,9,10,11,12,14,16,18,20,22,24,27.3])
OBS_V = np.array([220,228,232,231,230,229,228,227,226,224,222,219,215,208,200,173])
OBS_ERR = np.array([10,8,7,7,6,6,6,6,6,7,7,8,9,10,11,13,17])

# Menerapkan v_baryonic, rho_dark, enclosed_dark, dan chi2
# menggunakan rumus-rumus yang sama seperti yang dijelaskan di atas.

Pengoptimal Nelder-Mead harus menyatu pada wilayah fisik yang sama dengan pencarian grid JavaScript, dengan ℓ sekitar 130 kpc dan λ sekitar 0,08 pada model yang disederhanakan.

8.3 Ekstensi untuk Kesesuaian Kualitas Publikasi

  1. Ganti kernel monopole dengan kernel sudut atau fungsi Bessel yang tepat.
  2. Tambahkan komponen disk yang tebal.
  3. Tambahkan disk gas atom dan molekul.
  4. Menyertakan bilah Galaksi dan tonjolan dengan lebih akurat.
  5. Gunakan Bayesian MCMC untuk memetakan distribusi posterior dari ℓ dan λ.
  6. Termasuk gugus bola, galaksi satelit, dan data aliran bintang hingga 200 kpc.

Kecocokan yang ketat harus menentukan apakah parameter yang sama dapat menggambarkan tidak hanya kurva rotasi piringan, tapi juga bentuk halo, kerapatan lokal, profil massa terluar, dan massa tersembunyi berskala gugus.

Referensi

  • Abramowitz, M., Stegun, I. A. - Buku Pegangan Fungsi Matematika, Dover, 1972.
  • Bovy, J., Rix, H.-W. - Pengukuran Dinamis Langsung Profil Kerapatan Permukaan Piringan Bima Sakti, ApJ 779, 115, 2013.
  • Freeman, K. C. - Pada piringan galaksi spiral dan galaksi S0, ApJ 160, 811, 1970.
  • McMillan, P. J. - Distribusi massa dan potensi gravitasi Bimasakti, MNRAS 465, 76, 2017.
  • Ou, X., Eilers, A.-C., Necib, L., Frebel, A. - Profil materi gelap Bima Sakti yang disimpulkan dari kurva kecepatan melingkarnya, MNRAS 528, 693, 2024.
  • Pato, M., Iocco, F., Bertone, G. - Kendala dinamik pada distribusi materi gelap di Bima Sakti, JCAP 12, 001, 2015.
  • Portail, M. dkk. - Pemodelan dinamis tonjolan dan batang Galaksi, MNRAS 465, 1621, 2017.

Pernyataan Reproduksi Akhir

Simulasi ini bukanlah bukti akhir dari BeeTheory. Ini adalah kerangka kerja numerik yang dapat direproduksi.

Tujuannya adalah untuk menunjukkan bahwa kerapatan efektif berbasis gelombang yang dihasilkan oleh cakram Bima Sakti yang tampak dapat dibandingkan secara langsung dengan pengamatan kurva rotasi dengan hanya menggunakan dua parameter utama: panjang koherensi dan faktor kopling.

Langkah ilmiah berikutnya adalah mengganti perkiraan dengan kernel yang tepat, memperluas model baryonik, menyebarkan ketidakpastian, dan menguji kerangka kerja yang sama terhadap galaksi independen dan gugus galaksi.