Exploring the ex-situ components within Gaia DR3

Resumen Técnico: Exploración de los componentes ex-situ dentro de Gaia DR3

Enunciado del Problema
La hipótesis de fusiones jerárquicas postula que las galaxias grandes, incluida la Vía Láctea (VL), se forman mediante la acreción de galaxias satélite más pequeñas. Si bien los datos astrométricos de alta calidad de la misión Gaia han revolucionado el estudio de la estructura galáctica, existe una discrepancia significativa entre los tamaños de muestra de los sondeos astrométricos (que proporcionan información del espacio de fases 6D para millones de estrellas) y los sondeos espectroscópicos (que proporcionan abundancias químicas para solo $\sim$1 millón de estrellas). Los datos de abundancia química son cruciales para distinguir las estrellas in-situ (formadas dentro de la VL) de las estrellas ex-situ (acretadas de galaxias enanas), ya que exhiben patrones de evolución química distintos. Sin embargo, confiar únicamente en la cinemática sin datos químicos ha sido un desafío debido a la falta de datos de entrenamiento etiquetados y a la complejidad del espacio de fases de alta dimensión. Los métodos existentes de agrupamiento no supervisado luchan por garantizar que las estructuras identificadas estén relacionadas con eventos de fusión antiguos en lugar de perturbaciones locales. Este estudio aborda la necesidad de una metodología basada en datos que utilice únicamente datos cinemáticos para identificar estrellas ex-situ con alta pureza, aprovechando el gran tamaño de muestra de Gaia DR3.

Metodología
Los autores desarrollaron un marco de aprendizaje profundo de dos fases para clasificar las estrellas como in-situ o ex-situ basándose en parámetros del espacio de fases 6D y acciones orbitales.

1. Modelo Base (NN_FIRE):

   • Arquitectura: Una red neuronal (NN) totalmente conectada con cinco capas ocultas (tres con 128 nodos, dos con 64 nodos), utilizando activación ReLU y normalización por lotes.
   • Datos de Entrenamiento: Datos sintéticos de las simulaciones hidrodinámicas cosmológicas FIRE-2 (específicamente la galaxia m12i de la suite Latte). El conjunto de entrenamiento consistió en 47,7 millones de estrellas sintéticas con etiquetas de "nivel de verdad" que indicaban su estado ex-situ (definido como originarse a >30 kpc del centro de la galaxia principal).
   • Entradas: Posición y velocidad 3D en coordenadas cartesianas galactocéntricas.
   • Función de Pérdida: Se empleó la Pérdida Focal para abordar el desequilibrio de clases extremo (donde las estrellas ex-situ componen <1% de la muestra), enfocando el modelo en muestras difíciles de clasificar.
   • Rendimiento: En el conjunto de prueba, NN_FIRE logró un Área bajo la Curva (AUC) de 0,98.

2. Modelo Paralelo (NN_parallel):

   • Arquitectura: Una estructura paralela donde los pesos de la NN_FIRE preentrenada se congelan. Una subred procesa las acciones orbitales ($J_R, J_z, J_\phi$) derivadas de datos observacionales. Las salidas de ambas redes se concatenan y procesan mediante capas densas adicionales.
   • Datos de Entrenamiento: Datos observacionales de Gaia DR3, cruzados con APOGEE DR17 y LAMOST DR8 VAC para obtener abundancias químicas.
   • Estrategia de Etiquetado: En lugar de usar etiquetas de nivel de verdad (no disponibles para datos reales), los autores utilizaron un criterio de etiquetado químico en el plano $[Mg/Mn]$-$[Al/Fe]$ para etiquetar las muestras de entrenamiento como ex-situ o in-situ. Este criterio fue diseñado para ser independiente de la dinámica y evitar sesgos.
   • Muestra Objetivo: 27.085.748 estrellas de Gaia DR3 con velocidades radiales y distancias foto-astrométricas disponibles, filtradas por calidad (RUWE < 1,4, error de velocidad radial < 20 km/s, error de distancia < 30%).
   • Preprocesamiento: Se utilizó un enfoque de Monte Carlo para propagar errores, y se excluyeron estrellas en regiones propensas a la sobreestimación de distancias (cerca del centro galáctico).

Resultados Clave

• Clasificación: El modelo NN_parallel identificó 160.146 estrellas ex-situ de la muestra objetivo de ~27 millones.
• Composición de la Muestra:
  • Metalicidad: La distribución de metalicidad alcanza su máximo alrededor de -1,3 a -1,4 dex, consistente con la población Gaia-Sausage-Enceladus (GSE), aunque la muestra comprende múltiples componentes.
  • Estructuras Identificadas: El modelo aisló con éxito las estrellas miembros de la Gran Nube de Magallanes (LMC), la Pequeña Nube de Magallanes (SMC) y la galaxia enana Sagitario (Sgr) (tanto el núcleo como la corriente).
  • Cúmulos Globulares: Se identificaron 20 cúmulos globulares como componentes ex-situ.
  • Subestructuras: Los autores seleccionaron estrellas miembros para seis subestructuras conocidas: GSE, Thamnos, Sequoia, corrientes de Helmi, Wukong (LMS-1) y Pontus.
• Distribución Espacial:
  • La fracción ex-situ aumenta con la altura vertical ($|z|$) desde el disco galáctico y con la distancia galactocéntrica ($R$).
  • Fracciones de Componentes: Las proporciones estimadas de estrellas ex-situ son:
    • Disco Delgado ($|z| < 0,6$ kpc): 0,1%
    • Disco Grueso ($0,6 \le |z| < 4$ kpc): 1,6%
    • Halo ($4 \le |z| \le 10$ kpc): 63,2%

Significado y Afirmaciones
El artículo sitúa este trabajo como un estudio preliminar que introduce un algoritmo novedoso y proporciona una muestra grande y fiable de estrellas ex-situ para la comunidad. Los autores afirman que su enfoque de aprendizaje profundo ofrece una ventaja significativa sobre los métodos tradicionales de segmentación lineal al equilibrar mejor la precisión y la exhaustividad en datos de alta dimensión. Específicamente, el método elimina con éxito la mayoría de las estrellas del disco mientras captura los escombros de fusión conocidos y las subestructuras sin depender de algoritmos de agrupamiento para la selección inicial.

Los autores declaran explícitamente que sus resultados sobre las proporciones de estrellas ex-situ en el disco delgado, el disco grueso y el halo son estimaciones preliminares sujetas a efectos de selección de Gaia y al rendimiento de la NN. No afirman estas cifras como conclusiones definitivas, sino como una base para la exploración estadística. El estudio sirve como "trabajo previo" destinado a demostrar la viabilidad de utilizar aprendizaje profundo supervisado en datos cinemáticos para descubrir la historia de fusiones, con trabajos futuros planeados para incorporar simulaciones, análisis de abundancias químicas y algoritmos de agrupamiento para una investigación más profunda.