The thin, extended planes of satellite galaxies detected around both the Milky Way and Andromeda are not a natural prediction of the LCDM paradigm. Galaxies in these distinct planes may have formed and evolved in a different way (e.g., tidally) to their off-plane neighbours. If this were the case, one would expect the on- and off-plane dwarf galaxies in Andromeda to have experienced different evolutionary histories, which should be reflected by the chemistries, dynamics, and star formation histories of the two populations. In this work, we present new, robust kinematic observations for 2 on-plane M31 dSphs (And XVI and XVII) and compile and compare all available observational metrics for the on- and off-plane dwarfs to search for a signal that would corroborate such a hypothesis. We find that, barring their spatial alignment, the on- and off-plane Andromeda dwarf galaxies are indistinguishable from one another, arguing against vastly different formative and evolutionary histories for these two populations.


翻译:在银河系和安卓美达周围探测到的卫星星系的细长、延伸的平面并不是对LCDM范式的自然预测,这些不同的平面上的星系可能以不同的方式(如潮汐)形成并进化到它们的飞机外邻邦。如果是这样的话,人们会期望安卓美达的机上和机外矮星系经历不同的进化史,这应该通过这两组人口的化学、动态和恒星形成史来反映出来。在这项工作中,我们为M31dSphs(十六和十七)上的2个平面上提出了新的、强有力的运动观测,并汇编和比较了所有现有的对机上和机外侏儒的观测指标,以寻找能够证实这种假设的信号。我们发现,不考虑它们的空间一致性,安卓美达星系的上和机外矮星系相互不易分辨,因此,我们反对这两个人群的形成和进化历史存在巨大的差异。

0
下载
关闭预览

相关内容

Andromeda 是Google在2016年10月4日发布的融合了Android与ChromeOS的操作系统。
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
【干货书】真实机器学习,264页pdf,Real-World Machine Learning
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
153+阅读 · 2019年10月12日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
110+阅读 · 2020年2月5日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员