Numeerinen simulointi BeeTheory-pimeän massan mallille

Täydellinen, toistettavissa oleva selvitys BeeTheoryn pimeän massan simulaation numeerisesta integroinnista, baryonisten nopeuksien hajottamisesta, χ²:n minimoinnista ja toteutuksen valinnoista.

Tällä teknisellä sivulla kerrotaan, miten BeeTheoryn numeerinen simulaatio Linnunradan piilomassasta voidaan toistaa. Siinä kuvataan havaintoaineisto, baryoninen malli, aaltopohjainen tiheysyhtälö, numeerinen integrointi, sovitusmenetelmä, konvergenssitestit ja viitekoodi.

Tavoite on yksinkertainen: lähdetään liikkeelle näkyvästä Linnunradan kiekosta, sovelletaan BeeTheoryn aaltotiheysmallia, lasketaan efektiivinen piilotettu massa ja verrataan tuloksena saatua ympyränopeuskäyrää Gaia-ajan havaintoihin.

0. Mitä me laskemme ja miksi

Linnunradan kiertokäyrä on tähtien kiertonopeus Vc(R) niiden etäisyyden R funktiona galaktisesta keskuksesta. Sitä mitataan nykyään paljon tarkemmin kuin suoraan nähtävissä olevaa kokonaismassan jakaumaa.

Havaitun nopeuden ja näkyvän baryonisen aineen ennustetun nopeuden välinen vaje on piilomassaongelma. Standardimallit vetoavat näkymättömään hiukkashaloon, yleensä kylmään pimeään aineeseen. Mehiläisteoria ehdottaa toisenlaista tulkintaa: jokainen näkyvä massaelementti säteilee aaltokentän, joka hajoaa eksponentiaalisesti kolmessa ulottuvuudessa, ja kertynyt kenttä käyttäytyy kuin piilomassa.

Simulaatio tekee kolme asiaa:

1. Lasketaan Vcbar(R) näkyvästä kiekosta ja pullistumasta Freemanin analyyttisen kiekkokaavan avulla.
2. Integroi numeerisesti BeeTheory-tiheyden _ρdark(r; ℓ, λ) kullakin säteellä ja muuntaa sen sitten muotoon ^VcDM(R).
3. Minimoi χ²(ℓ, λ) Gaia-aikaisen Linnunradan kiertokäyrän suhteen löytääkseen edustavat parametrit, jotka sopivat parhaiten.

Simulaatio on suunniteltu toistettavaksi. Sitä voidaan ajaa JavaScript- tai Python-kielellä ilman erikoistunutta astrofysiikan kirjastoa.

Käytetyt merkinnät

• R on galaktosentrinen lieriön säde kiekon tasossa, kpc:nä.
• r on pallon galaktosentrinen säde.
• z on korkeus levyn yläpuolella.
• ℓ on BeeTeorian koherenssin pituus kpc:nä.
• λ on dimensioton aalto-massakytkentä.
• G: tä käytetään yksikköinä kpc km² s-² M⊙-¹.

1. Havaintotiedot – Gaia 2024

Tietokokonaisuus perustuu Gaia-ajan Linnunradan kiertokäyrään. Siinä käytetään säteitä R, kiertonopeuksia _Vc ja epävarmuuksia σ. Alkuperäisessä teknisessä versiossa käytettiin 16 datapistettä, jotka kattoivat R = 4-27,3 kpc.

Tärkeät havainnot ovat seuraavat:

• _Vc(R⊙ = 8 kpc) ≈ 230 km/s, kiintopiste lähellä Auringon kiertorataa.
• _Vc on suunnilleen tasainen noin 5-20 kpc:n välillä.
• _Vc laskee ulommalla mitatulla kiekolla ja saavuttaa noin 173 ± 17 km/s lähellä 27,3 kpc:n etäisyyttä viitatuissa tiedoissa.

Tämä edellyttää tehokasta piilomassajakaumaa, joka kasvaa voimakkaasti keskisäteillä ja heikkenee suuremmilla säteillä.

Jätämme sisimmän galaksin pois, koska siellä hallitsevat keskipalkki ja ei-ympyränmuotoiset liikkeet. Yksinkertaistettu akselisymmetrinen malli ei ole luotettava tuon alueen sisällä.

3. BeeTeorian pimeän tiheyden yhtälö

3.1 Fysikaalinen postulaatti

Jokainen galaktisen kiekon paikassa r′ näkyvä massaelementti dV tuottaa gravitaatioaaltokentän, joka luo efektiivisen massatiheyden kenttäpisteessä r:

Pimeän kokonaistiheys missä tahansa pisteessä (R,z) on kaikkien levyn elementtien superpositio. Koska lähde on levy, tilavuustiheystermi muuttuu pintatiheystermiksi:

Täydellinen kaksoisintegraali on:

3.3 Asymptoottisen raja-arvon analyyttinen todentaminen

Kun_Rd ≪ r ≪ ℓ, lauseke yksinkertaistuu. Kiekko on paljon pienempi kuin säde, ja koherenssin pituus on edelleen paljon suurempi kuin säde.

Koska:

Tämä asymptoottinen tiheys käyttäytyy ρ ∝ r-², mikä antaa M( \(\rho(r)\propto r^{-2}\Longrightarrow M(<r)\propto r\Longrightarrow V_c=\sqrt{\frac{GM(<r)}{r}}\approx\mathrm{constant}\)

Kun edustavat arvot lisätään, saadaan paikallinen tiheys, joka on lähellä havaittua Linnunradan arvoa:

5. χ²:n minimointi ja parametrien sovittaminen

5.1 Tavoitefunktio

Sovitus minimoi pelkistetyn chi-neliösumman:

jossa on N = 16 datapistettä ja p = 2 vapaata parametria, ℓ ja λ. Näin saadaan 14 vapausastetta.

5.2 Kaksivaiheinen ruudukkohaku

Gradienttilaskeutumisen sijasta käytetään ruudukkohakua, koska maisemassa on pitkä, kaareva degeneraatiolaakso λ:n ja ℓ:n välillä.

• Läpikäynti 1: karkea verkko ℓ:n ja λ:n yli.
• Läpikäynti 2: paikallinen hienosäätö karkean minimin ympärillä.

Edustava parhaiten sopiva alue on:

5.3 Rappeutumislaakso

χ²-maisema ei ole symmetrinen kulho. Se muodostaa pitkänomaisen laakson, koska johtava tiheyden normalisointi riippuu voimakkaasti kytkentävoimakkuudesta ja vain heikosti koherenssin pituudesta tasaisen rotaation alueella.

Kiertokäyrän ulompi lasku rikkoo tämän degeneraation, koska pienemmät ℓ-arvot vaimentavat tehollisen tiheyden aikaisemmin.

Yli 30 kpc:n etäisyydellä olevat tiedot, mukaan lukien palloparatiisiryhmät, tähtijoukot, halotähdet ja satelliittigalaksit, ovat välttämättömiä ℓ:n tarkemmassa määrittelyssä.

7. Täydellinen viitekoodi

Seuraavassa JavaScript-viitetoteutuksessa toistetaan simuloinnin päälogiikka. Se on tarkoitettu teknistä validointia varten, ja se tulisi sijoittaa asianmukaiseen skriptiympäristöön, ei suoraan tavallisen WordPress-sisällyslohkon sisään, ellei mukautettuja skriptejä sallita.

// Fysikaaliset vakiot
const G = 4.302e-3; // kpc km² s-² M☉-¹
const Sig0 = 800.0; // M☉ kpl-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;

// Gaia-ajan kiertotiedot
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 = [10,8,7,7,7,6,6,6,6,7,7,8,9,10,11,13,17];

// Baryoninen nopeus paikanhaltija
function vBaryonic(R) {
  // Täydellisessä toteutuksessa tämä käyttää Freemanin levyn kaavaa.
  // muunnetuilla Besselin funktioilla I0, I1, K0, K1.
  const vb2 = G * Mbulge / Math.max(R, 0.2);
  return Math.sqrt(Math.max(0, vb2));
}

// Mehiläisteorian pimeä tiheys
function rhoDark(r, ell, lam) {
  const N = 40;
  const dRp = 30.0 / N;
  let sum = 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));

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

  return (lam / ell) * sum;
}

// Suljettu pimeä massa
funktio enclosedDarkMass(R, ell, lam) {
  const Nr = 30;
  const dr = R / Nr;
  olkoon M = 0;

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

  return M;
}

// Pimeä ja kokonaisnopeus
funktio 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);
}

// Khiin neliö
function chiSquared(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);
}

Täydellisen version tulisi sisältää tarkat toteutukset muunnetuista Besselin funktioista _I0, _I1, _K0 ja _K1 Freemanin kiekon nopeutta varten.

Viitteet

• Abramowitz, M., Stegun, I. A. - Handbook of Mathematical Functions, Dover, 1972.
• Bovy, J., Rix, HW. - A Direct Dynamical Measurement of the Milky Way's Disk Surface Density Profile, ApJ 779, 115, 2013.
• Freeman, K. C. - On the disks of spiral and S0 galaxies, ApJ 160, 811, 1970.
• McMillan, P. J. - The mass distribution and gravitational potential of the Milky Way, MNRAS 465, 76, 2017.
• Ou, X., Eilers, A.-C., Necib, L., Frebel, A. - The dark matter profile of the Milky Way inferred from its circular velocity curve (Linnunradan pimeän aineen profiili sen ympyränopeuskäyrästä pääteltynä), MNRAS 528, 693, 2024.
• Pato, M., Iocco, F., Bertone, G. - Dynamical constraints on the dark matter distribution in the Milky Way, JCAP 12, 001, 2015.
• Portail, M. et al. - Dynamical modelling of the Galactic bulge and bar, MNRAS 465, 1621, 2017.