摘要:
   基于大规模星系宇宙学模拟和大数据分析方法的快速发展，结合大规模巡天数据，我们将有很大的机会能够准确地认识星系的结构及其形成机制。在一系列研究中，基于无监督机器学习算法，我们发展了一种准确、高效且人为干扰低的方法，能够从运动学相空间提取模拟星系的本征结构。应用此方法研究IllustrisTNG模拟中的星系，我们确定了星系盘、核球和恒星晕的准确定义，并从内在（先天）和外在（后天）两种机制深入研究不同星系结构的形成过程。特别是，（1）我们从内在机制的角度能够清晰地理解星系盘结构的形成过程和星系的mass-size关系的产生；（2）我们指出，形态学分解的核球与恒星晕结构之间存在严重的概念混淆，恒星晕而非核球是外在机制主导下产生的结构。进一步地，我们通过发展高精度多体+流体数值模拟，研究特定物理机制对不同星系结构的影响。