AGN feedback models: correlations with star formation and observational implications of time evolution
Notice bibliographique
Résumé
We examine the correlation between the star formation rate (SFR) and black hole accretion rate (BHAR) across a suite of different active galactic nuclei (AGN) feedback models, using the time evolution of a merger simulation. By considering three different stages of evolution, and a distinction between the nuclear and outer regions of star formation, we consider 63 different cases. Despite many of the feedback models fitting the M–σ relationship well, there are often distinct differences in the SFR–BHAR correlations, with close to linear trends only being present after the merger. Some of the models also show evolution in the SFR–BHAR parameter space that is at times directly across the long-term averaged SFR–BHAR correlation. This suggests that the observational SFR–BHAR correlation found for ensembles of galaxies is an approximate statistical trend, as suggested by Hickox et al. Decomposing the SFR into nuclear and outer components also highlights notable differences between models and there is only modest agreement with observational studies examining this in Seyfert galaxies. For the fraction of the black hole mass growth from the merger event relative to the final black hole mass, we find as much as a factor of 3 variation among models. This also translates into a similar variation in the post-starburst black hole mass growth. Overall, we find that while qualitative features are often similar amongst models, precise quantitative analysis shows there can be quite distinct differences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».