Exploring the ex-situ components within Gaia DR3

Resumo Técnico: Explorando os componentes ex-situ dentro do Gaia DR3

Declaração do Problema
A hipótese de fusão hierárquica postula que galáxias grandes, incluindo a Via Láctea (VL), se formam através da acreção de galáxias satélites menores. Embora dados astrométricos de alta qualidade da missão Gaia tenham revolucionado o estudo da estrutura galáctica, existe uma discrepância significativa entre os tamanhos de amostras de levantamentos astrométricos (fornecendo informações do espaço de fase 6D para milhões de estrelas) e levantamentos espectroscópicos (fornecendo abundâncias químicas para apenas ~1 milhão de estrelas). Dados de abundância química são cruciais para distinguir estrelas in-situ (formadas dentro da VL) de estrelas ex-situ (acretadas de galáxias anãs), pois elas exibem padrões distintos de evolução química. No entanto, confiar exclusivamente na cinemática sem dados químicos tem sido desafiador devido à falta de dados de treinamento rotulados e à complexidade do espaço de fase de alta dimensão. Métodos existentes de agrupamento não supervisionado lutam para garantir que as estruturas identificadas estejam relacionadas a eventos de fusão antigos e não a perturbações locais. Este estudo aborda a necessidade de uma metodologia orientada por dados que utilize apenas dados cinemáticos para identificar estrelas ex-situ com alta pureza, aproveitando o grande tamanho de amostra do Gaia DR3.

Metodologia
Os autores desenvolveram um framework de aprendizado profundo em duas fases para classificar estrelas como in-situ ou ex-situ com base em parâmetros do espaço de fase 6D e ações orbitais.

1. Modelo Base (NN_FIRE):

   • Arquitetura: Uma rede neural totalmente conectada (NN) com cinco camadas ocultas (três com 128 nós, duas com 64 nós), utilizando ativação ReLU e normalização em lote.
   • Dados de Treinamento: Dados sintéticos das simulações hidrodinâmicas cosmológicas FIRE-2 (especificamente a galáxia m12i do conjunto Latte). O conjunto de treinamento consistiu em 47,7 milhões de estrelas sintéticas com rótulos de "nível de verdade" indicando seu status ex-situ (definido como originando-se a >30 kpc do centro da galáxia primária).
   • Entradas: Posição e velocidade 3D em coordenadas cartesianas galactocêntricas.
   • Função de Perda: A Função de Perda Focal foi empregada para abordar o desequilíbrio de classes extremo (onde estrelas ex-situ compõem <1% da amostra), focando o modelo em amostras difíceis de classificar.
   • Desempenho: No conjunto de teste, o NN_FIRE alcançou uma Área sob a Curva (AUC) de 0,98.

2. Modelo Paralelo (NN_parallel):

   • Arquitetura: Uma estrutura paralela onde os pesos do NN_FIRE pré-treinado são congelados. Uma sub-rede processa ações orbitais ($J_R, J_z, J_\phi$) derivadas de dados observacionais. As saídas de ambas as redes são concatenadas e processadas por camadas densas adicionais.
   • Dados de Treinamento: Dados observacionais do Gaia DR3, cruzados com APOGEE DR17 e LAMOST DR8 VAC para obter abundâncias químicas.
   • Estratégia de Rotulagem: Em vez de usar rótulos de nível de verdade (indisponíveis para dados reais), os autores usaram um critério de rotulagem química no plano $[Mg/Mn]$-$[Al/Fe]$ para rotular amostras de treinamento como ex-situ ou in-situ. Este critério foi projetado para ser independente da dinâmica para evitar viés.
   • Amostra Alvo: 27.085.748 estrelas do Gaia DR3 com velocidades radiais e distâncias foto-astrométricas disponíveis, filtradas por qualidade (RUWE < 1,4, erro de velocidade radial < 20 km/s, erro de distância < 30%).
   • Pré-processamento: Uma abordagem de Monte Carlo foi usada para propagar erros, e estrelas em regiões propensas a superestimação de distância (perto do centro galáctico) foram excluídas.

Principais Resultados

• Classificação: O modelo NN_parallel identificou 160.146 estrelas ex-situ da amostra alvo de ~27 milhões.
• Composição da Amostra:
  • Metalicidade: A distribuição de metalicidade atinge o pico em torno de -1,3 a -1,4 dex, consistente com a população Gaia-Sausage-Enceladus (GSE), embora a amostra compreenda múltiplos componentes.
  • Estruturas Identificadas: O modelo isolou com sucesso estrelas membros da Grande Nuvem de Magalhães (LMC), Pequena Nuvem de Magalhães (SMC) e da galáxia anã de Sagitário (Sgr) (tanto núcleo quanto fluxo).
  • Aglomerados Globulares: 20 aglomerados globulares foram identificados como componentes ex-situ.
  • Subestruturas: Os autores selecionaram estrelas membros para seis subestruturas conhecidas: GSE, Thamnos, Sequoia, fluxos Helmi, Wukong (LMS-1) e Pontus.
• Distribuição Espacial:
  • A fração ex-situ aumenta com a altura vertical ($|z|$) a partir do disco galáctico e com a distância galactocêntrica ($R$).
  • Frações de Componentes: As proporções estimadas de estrelas ex-situ são:
    • Disco Fino ($|z| < 0,6$ kpc): 0,1%
    • Disco Espesso ($0,6 \le |z| < 4$ kpc): 1,6%
    • Halo ($4 \le |z| \le 10$ kpc): 63,2%

Significado e Alegações
O artigo posiciona este trabalho como um estudo preliminar introduzindo um algoritmo inovador e fornecendo uma grande amostra confiável de estrelas ex-situ para a comunidade. Os autores afirmam que sua abordagem de aprendizado profundo oferece uma vantagem significativa sobre métodos tradicionais de segmentação linear ao equilibrar melhor precisão e recall em dados de alta dimensão. Especificamente, o método elimina com sucesso a maioria das estrelas do disco enquanto captura detritos de fusão conhecidos e subestruturas sem depender de algoritmos de agrupamento para a seleção inicial.

Os autores afirmam explicitamente que seus resultados sobre as proporções de estrelas ex-situ no disco fino, disco espesso e halo são estimativas preliminares sujeitas a efeitos de seleção do Gaia e ao desempenho da NN. Eles não afirmam esses números como conclusões definitivas, mas sim como uma base para exploração estatística. O estudo serve como um "trabalho anterior" destinado a demonstrar a viabilidade do uso de aprendizado profundo supervisionado em dados cinemáticos para descobrir a história de fusão, com trabalhos futuros planejados para incorporar simulações, análises de abundância química e algoritmos de agrupamento para investigação mais profunda.