Actualmente estoy tratando de entender el modelado dinámico utilizando el método de Schwarzschild. He estado leyendo un poco los últimos días, pero sospecho que estoy entendiendo algo realmente mal. Según mi comprensión actual, el método de Schwarzschild para el modelado dinámico utilizando datos cinemáticos resueltos espacialmente funciona así:
El último paso es lo que me preocupa. Según tengo entendido, las órbitas de las partículas en un modelo de Schwarzschild pueden girar en sentido contrario. ¿Bien? En una observación de galaxias, cuando tenemos dos componentes sin colisión (por ejemplo, componentes estelares) que giran en sentido contrario, es posible que observemos líneas espectrales de doble pico. ¿Bien? Esta información es imposible de almacenar usando una velocidad y un mapa de dispersión de velocidad, pero puede almacenarse en un cubo espectral. Sin embargo, todos los artículos sobre modelado dinámico que utilizan el método de Schwarzschild ajustan los modelos a mapas de velocidad y dispersión de velocidad en lugar de un cubo espectral.
Entonces, de lo anterior he concluido que mi comprensión del método de Schwarzschild no es correcta. Realmente agradecería si alguien pudiera ayudarme a entender en qué me estoy equivocando.
Gracias de antemano.
Convierta la distribución de luminosidad 3D en masa usando un montón de partículas de masa.
Bueno, probablemente podrías hacer eso, pero sospecho que sería inexacto y llevaría mucho tiempo. La mayoría de los enfoques de modelado de Schwarzschild parametrizan la distribución de luminosidad-densidad en 3D utilizando funciones a partir de las cuales se puede calcular con relativa facilidad el potencial gravitacional.
Por ejemplo, un enfoque popular es aproximar la distribución de luz 2D observada utilizando la suma de múltiples gaussianas (como usted menciona), que se puede desviar bajo ciertas suposiciones a la suma de múltiples gaussianas 3D para obtener la distribución de densidad de luminosidad 3D. Luego, multiplica esta distribución por una relación masa-luz (generalmente uno de los parámetros del modelo que finalmente está tratando de ajustar a los datos) y deriva el potencial gravitacional de eso. No hay necesidad de aproximar las cosas con un montón de partículas.
Esto también le permite agregar fácilmente componentes "oscuros" hipotéticos adicionales, como halos de materia oscura o agujeros negros supermasivos centrales, que tienen descripciones analíticas simples y no necesitan modelarse con partículas.
Según tengo entendido, las órbitas de las partículas en un modelo de Schwarzschild pueden girar en sentido contrario.
Correcto. En la práctica, si el sistema es (se supone que es) axisimétrico, puede calcular un conjunto de órbitas y luego generar fácilmente sus contrapartes contrarrotantes simplemente invirtiendo los vectores de velocidad.
Sin embargo, todos los artículos sobre modelado dinámico que utilizan el método de Schwarzschild ajustan los modelos a mapas de velocidad y dispersión de velocidad en lugar de un cubo espectral.
Claramente no estás leyendo los artículos correctos ;-). Permítanme dividir esto en dos partes:
Antes de que se lleve a cabo cualquier modelado, los datos espectroscópicos observados ("cubos espectrales" de rendija larga y/o unidad de campo integral) deben analizarse para extraer los datos cinemáticos estelares. Esto se hace dividiendo los datos en diferentes contenedores espaciales en el cielo (contenedores a lo largo de la rendija o contenedores 2D para un cubo espectral) y sumando los espectros dentro de cada contenedor, para mejorar la S/N.
Luego ajusta cada espectro con una combinación ponderada de espectros estelares (observados o de modelos), ampliada por una distribución de velocidad de línea de visión (LOSVD) del modelo 1 . En casos muy simples, se supone que el LOSVD es solo un gaussiano con una velocidad central específica y dispersión de velocidad . El enfoque actual más común es modelar el LOSVD con una Gaussiana que se multiplica por polinomios de Gauss-Hermite de tercer y cuarto orden. La fuerza del polinomio de tercer orden está parametrizada por y medidas sesgadas; el polinomio de cuarto orden está parametrizado por y mide la curtosis. Para galaxias con componentes que giran en sentido contrario, y proporciona información sobre la naturaleza no gaussiana simple de LOSVD, aunque es bastante borrosa y está mal restringida.
Un enfoque más sofisticado (que requiere datos de alta S/N) es modelar "no paramétricamente" el LOSVD con un histograma que tenga veinte, treinta o más intervalos de velocidad. Para mostrar cómo funciona el enfoque no paramétrico, considere los siguientes datos cinemáticos estelares para la galaxia S0 NGC 4191:
El primer gráfico, de la Fig. B1 de Krajnovic et al. 2011 ( MNRAS , 414, 2923) , muestra y mapas (de SAURON IFU). En el campo de velocidad, puede ver que la velocidad se invierte entre y 10 segundos de arco; en aproximadamente el mismo radio, picos Los picos descentrados emparejados en sugieren una región donde los dos componentes contrarrotatorios son casi iguales (como argumentan Krajnovic et al. en su artículo).
El segundo gráfico, basado en la Fig. 2 de Coccato et al. 2015 ( A&A , 581, A65) , muestra la mapa (panel de color, girado 90 grados con respecto a la figura anterior) y LOSVD no paramétricos (31 intervalos de velocidad) para tres de los intervalos (histogramas) de las observaciones VIRUS-W IFU de NGC 4191. Puede ver cómo, en el En el segundo histograma, los picos dobles debidos a las componentes estelares superpuestas que giran en sentido contrario están claramente representados.
Después de calcular la biblioteca de órbitas estelares para un potencial de galaxia dado y asignar un conjunto de pesos a las órbitas individuales, "observa" el modelo orientando la galaxia para que coincida con la orientación observada, dividiéndola en contenedores espaciales 2D proyectados que coinciden con el Binning 2D utilizado para determinar la cinemática estelar de la galaxia real. Luego (para cada contenedor) calcula el LOSVD ponderado integrando a lo largo de la línea de visión a través de ese contenedor, sumando las contribuciones de velocidad radial de cada órbita que intersecta la línea de visión. Si sus datos consisten en , , , y , luego ajusta el modelo resultante LOSVD para ese contenedor con la función de Gauss-Hermite para obtener el modelo de contenedor , , , y . Si sus datos son LOSVD no paramétricos, simplemente puede agrupar el modelo LOSVD utilizando el mismo esquema de agrupamiento de velocidad que utilizó para los datos.
Este conjunto de valores LOSVD pronosticados (ya sea , , , y o el histograma de velocidad agrupado no paramétrico) es lo que compara con los valores LOSVD de los datos para ese contenedor espacial, repitiendo para todos los contenedores espaciales con datos cinemáticos.
1 "Modelo" en este caso que no tiene nada que ver con el modelado de Schwarzschild.
StephenG - Ayuda Ucrania
astrouno
pedro erwin
astrouno
pedro erwin
astrouno
astrouno
astrouno