Constrain the Dark Matter Distribution of Ultra-diffuse Galaxies with Globular-Cluster Mass Segregation: A Case Study with NGC5846-UDG1

Auteurs : Jinning Liang (Wuhan University), Fangzhou Jiang (KIAA, Peking University), Shany Danieli (Princeton University), Andrew Benson (Carnegie Observatories), Phil Hopkins (TAPIR, Caltech)

arXiv: 2304.14431v1 - DOI (astro-ph.GA)
22 pages, 13 figures, submitted to ApJ
Licence : CC BY 4.0

Résumé : The properties of globular clusters (GCs) contain valuable information of their host galaxies and dark-matter halos. In the remarkable example of ultra-diffuse galaxy, NGC5846-UDG1, the GC population exhibits strong radial mass segregation, indicative of dynamical-friction-driven orbital decay, which opens the possibility of using imaging data alone to constrain the dark-matter content of the galaxy. To explore this possibility, we develop a semi-analytical model of GC evolution, which starts from the initial mass function, the initial structure-mass relation, and the initial spatial distribution of the GC progenitors, and follows the effects of dynamical friction, tidal evolution, and two-body relaxation. Using Markov Chain Monte Carlo, we forward-model the GCs in a NGC5846-UDG1-like potential to match the observed GC mass, size, and spatial distributions, and to constrain the profile of the host halo and the origin of the GCs. We find that, with the assumptions of zero mass segregation when the star clusters were born, NGC5846-UDG1 is dark-matter poor compared to what is expected from stellar-to-halo-mass relations, and its halo concentration is low, irrespective of having a cuspy or a cored halo profile. Its GC population has an initial spatial distribution more extended than the smooth stellar distribution. We discuss the results in the context of scaling laws of galaxy-halo connections, and warn against naively using the GC-abundance-halo-mass relation to infer the halo mass of UDGs. Our model is generally applicable to GC-rich dwarf galaxies, and is publicly available at https://github.com/JiangFangzhou/GCevo.

Soumis à arXiv le 27 Avr. 2023

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

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

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.