N-body simulations provide most of our insight into the structure and evolution of galaxies, but our analyses of these are often heuristic and from simple statistics. We propose a method that discovers the dynamics in space and time together by finding the most correlated temporal signals in multiple time series of basis function expansion coefficients and any other data fields of interest. The method extracts the dominant trends in the spatial variation of the gravitational field along with any additional data fields through time. The mathematics of this method is known as multichannel singular spectrum analysis (M-SSA). In essence, M-SSA is a principal component analysis of the covariance of time series replicates, each lagged successively by some interval. The dominant principal component represents the trend that contains the largest fraction of the correlated signal. The next principal component is orthogonal to the first and contains the next largest fraction, and so on. Using a suite of previously analysed simulations, we find that M-SSA describes bar formation and evolution, including mode coupling and pattern-speed decay. We also analyse a new simulation tailored to study vertical oscillations of the bar using kinematic data. Additionally, and to our surprise, M-SSA uncovered some new dynamics in previously analysed simulations, underscoring the power of this new approach.

中文翻译：

---

使用多通道奇异谱分析研究星系动力学

N 体模拟提供了我们对星系结构和演化的大部分见解，但我们对这些的分析通常是启发式的，并且来自简单的统计数据。我们提出了一种方法，该方法通过在基函数展开系数的多个时间序列和任何其他感兴趣的数据字段中找到最相关的时间信号来共同发现空间和时间的动态。该方法提取重力场空间变化的主要趋势以及随时间变化的任何附加数据场。这种方法的数学称为多通道奇异频谱分析 (M-SSA)。从本质上讲，M-SSA 是对时间序列重复项的协方差的主成分分析，每个重复项依次滞后某个间隔。主要主成分代表包含相关信号最大部分的趋势。下一个主成分与第一个正交并包含下一个最大的分数，依此类推。使用一组先前分析的模拟，我们发现 M-SSA 描述了条形的形成和演化，包括模式耦合和模式速度衰减。我们还分析了一种新的模拟，该模拟旨在使用运动学数据研究钢筋的垂直振荡。此外，令我们惊讶的是，M-SSA 在先前分析的模拟中发现了一些新的动态，强调了这种新方法的力量。我们发现 M-SSA 描述了条形的形成和演化，包括模式耦合和模式速度衰减。我们还分析了一种新的模拟，该模拟旨在使用运动学数据研究钢筋的垂直振荡。此外，令我们惊讶的是，M-SSA 在先前分析的模拟中发现了一些新的动态，强调了这种新方法的力量。我们发现 M-SSA 描述了条形的形成和演化，包括模式耦合和模式速度衰减。我们还分析了一种新的模拟，该模拟旨在使用运动学数据研究钢筋的垂直振荡。此外，令我们惊讶的是，M-SSA 在先前分析的模拟中发现了一些新的动态，强调了这种新方法的力量。