Characterizing mass, momentum, energy, and metal outflow rates of multiphase galactic winds in the FIRE-2 cosmological simulations
Notice bibliographique
Résumé
ABSTRACT We characterize mass, momentum, energy, and metal outflow rates of multiphase galactic winds in a suite of FIRE-2 cosmological ‘zoom-in’ simulations from the Feedback in Realistic Environments (FIRE) project. We analyse simulations of low-mass dwarfs, intermediate-mass dwarfs, Milky Way-mass haloes, and high-redshift massive haloes. Consistent with previous work, we find that dwarfs eject about 100 times more gas from their interstellar medium (ISM) than they form in stars, while this mass ‘loading factor’ drops below one in massive galaxies. Most of the mass is carried by the hot phase (>105 K) in massive haloes and the warm phase (103−105 K) in dwarfs; cold outflows (<103 K) are negligible except in high-redshift dwarfs. Energy, momentum, and metal loading factors from the ISM are of order unity in dwarfs and significantly lower in more massive haloes. Hot outflows have 2−5 × higher specific energy than needed to escape from the gravitational potential of dwarf haloes; indeed, in dwarfs, the mass, momentum, and metal outflow rates increase with radius whereas energy is roughly conserved, indicating swept up halo gas. Burst-averaged mass loading factors tend to be larger during more powerful star formation episodes and when the inner halo is not virialized, but we see effectively no trend with the dense ISM gas fraction. We discuss how our results can guide future controlled numerical experiments that aim to elucidate the key parameters governing galactic winds and the resulting associated preventative feedback.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».