High and low S\'ersic index bulges in Milky Way- and M31-like galaxies: origin and connection to the bar with TNG50
Notice bibliographique
Résumé
We study bulge formation in MW/M31-like galaxies in a $\Lambda$-cold dark matter scenario, focusing on the origin of high- and low-Sersic index bulges. For this purpose we use TNG50, a simulation of the IllustrisTNG project that combines a resolution of $\sim 8 \times 10^4 M_{\odot}$ in stellar particles with a cosmological volume 52 cMpc in extent. We parametrize bulge surface brightness profiles by the S\'ersic index and the bulge-to-total (B/T) ratio obtained from two-component photometric decompositions. In our sample of 287 MW/M31-like simulated galaxies, $17.1\%$ of photometric bulges exhibit high-S\'ersic indices and $82.9\%$ show low-S\'ersic indices. We study the impact that the environment, mergers and bars have in shaping the surface brightness profiles. We explore two different definitions for local environment and find no correlation between bulge properties and the environment where they reside. Simulated galaxies with higher S\'ersic indices show, on average, a higher fraction of ex-situ stars in their kinematically selected bulges. For this bulge population the last significant merger (total mass ratio $m_{\rm sat}/m_{\rm host} > 0.1$) occurs, on average, at later times. However, a substantial fraction of low-S\'ersic index bulges also experience a late significant merger. We find that bars play an important role in the development of the different types of photometric bulges. We show that the fraction of simulated galaxies with strong bars is smaller for the high- than for the low-S\'ersic index population, reaching differences of $20\%$ at $z > 1$. Simulated galaxies with high fractions of ex-situ stars in the bulge do not develop strong bars. Conversely, simulated galaxies with long-lived strong bars have bulges with ex-situ fractions, $f_{\rm ex-situ} < 0.2$.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».