MétaCan
Menu
← Retour à la cohorte
Enregistrement W4309736778 · doi:10.3847/1538-4357/ac9972

Simulated Bars May Be Shorter but Are Not Slower Than Those Observed: TNG50 versus MaNGA

2022· article· en· W4309736778 sur OpenAlexafffund
Neige Frankel, Annalisa Pillepich, Hans‐Walter Rix, Vicente Rodríguez-Gómez, Jason L. Sanders, Jo Bovy, Juna A. Kollmeier, Norman Murray, J. Ted Mackereth

Notice bibliographique

RevueThe Astrophysical Journal · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhysicsAstrophysicsGalaxyContext (archaeology)Bar (unit)Galaxy formation and evolutionStellar massStar formation

Résumé

récupéré en direct d'OpenAlex

Abstract Galactic bars are prominent dynamical structures within disk galaxies whose size, formation time, strength, and pattern speed influence the dynamical evolution of their hosts’ galaxies. Yet, their formation and evolution in a cosmological context is not well understood, as cosmological simulation studies have been limited by the classic trade-off between simulation volume and resolution. Here we analyze barred disk galaxies in the cosmological magnetohydrodynamical simulation TNG50 and quantitatively compare the distributions of bar size and pattern speed to those from MaNGA observations at z = 0. TNG50 galaxies are selected to match the stellar mass and size distributions of observed galaxies, to account for observational selection effects. We find that the high resolution of TNG50 yields bars with a wide range of pattern speeds (including those with ≥ 40 km s−1 kpc−1) and a mean value of ∼ 36 km s−1 kpc larger than those from observations by only 6 km s−1 kpc−1, in contrast with previous lower-resolution cosmological simulations that produced bars that were too slow. We find, however, that the bars in TNG50 are on average ∼35% shorter than observed, although this discrepancy may partly reflect the remaining inconsistencies in the simulation-data comparison. This leads to higher values of  = R corot / R b in TNG50, but points to simulated bars being too short rather than too slow. After repeating the analysis on the lower-resolution run of the same simulation (with the same physical model), we qualitatively reproduce the results obtained in previous studies: this implies that, along with physical model variations, numerical resolution effects may explain the previously found slowness of simulated bars.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,242
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical Journal→Même sujetGalaxies: Formation, Evolution, Phenomena→Travaux en français237 207→