Chemodynamical Modelling of the Galactic Bulge and Bar
Auteurs : Matthieu Portail (Max-Planck-Institut fuer Extraterrestrische Physik), Christopher Wegg (Max-Planck-Institut fuer Extraterrestrische Physik), Ortwin Gerhard (Max-Planck-Institut fuer Extraterrestrische Physik), Melissa Ness (Max-Planck-Institut fuer Astronomie)
Résumé : We present the first self-consistent chemodynamical model fitted to reproduce data for the galactic bulge, bar and inner disk. We extend the Made-to-Measure method to an augmented phase-space including the metallicity of stars, and show its first application to the bar region of the Milky Way. Using data from the ARGOS and APOGEE (DR12) surveys, we adapt the recent dynamical model from Portail et al. to reproduce the observed spatial and kinematic variations as a function of metallicity, thus allowing the detailed study of the 3D density distributions, kinematics and orbital structure of stars in different metallicity bins. We find that metal-rich stars with [Fe/H] > -0.5 are strongly barred and have dynamical properties that are consistent with a common disk origin. Metal-poor stars with [Fe/H] < -0.5 show strong kinematic variations with metallicity, indicating varying contributions from the underlying stellar populations. Outside the central kpc, metal-poor stars are found to have the density and kinematics of a thick disk while in the inner kpc, evidence for an extra concentration of metal-poor stars is found. Finally, the combined orbit distributions of all metallicities in the model naturally reproduce the observed vertex deviations in the bulge. This paper demonstrates the power of Made-to-Measure chemodynamical models, that when extended to other chemical dimensions will be very powerful tools to maximize the information obtained from large spectroscopic surveys such as APOGEE, GALAH and MOONS.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.