Modelling Dark Matter Halo Spin using Observations and Simulations: application to UGC 5288
Auteurs : Sioree Ansar, Sandeep Kumar Kataria, Mousumi Das
Résumé : Dark matter (DM) halo properties are extensively studied in cosmological simulations but are very challenging to estimate from observations. The DM halo density profile of observed galaxies is modelled using multiple probes that trace the dark matter potential. However, the angular momentum distribution of DM halos is still a subject of debate. In this study we investigate a method for estimating the halo spin and halo concentration of low surface brightness (LSB), gas-rich dwarf barred galaxy UGC 5288, by forward modelling disk properties derived from observations - stellar and gas surface densities, disk scale length, HI rotation curve, bar length and bar ellipticity. We combine semi-analytical techniques, N-body/SPH and cosmological simulations to model the DM halo of UGC 5288 with both a cuspy Hernquist profile and a flat-core pseudo-isothermal profile. We find that the best match with observations is a pseudo-isothermal halo model with a core radius of $r_{c} = 0.23$ kpc, and halo spin of $\lambda$= 0.08 at the virial radius. Although our findings are consistent with previous core radius estimates of the halo density profile of UGC 5288, as well as with the halo spin profiles of similar mass analogues of UGC5288 in the high-resolution cosmological-magneto-hydrodynamical simulation TNG50, there still remain some uncertainties as we are limited in our knowledge of the formation history of the galaxy. Additionally, we find that the inner halo spin ($ r< 10$ kpc) in barred galaxies is different from the unbarred ones, and the halo spin shows weak correlations with bar properties.
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.