The inefficiency of stellar feedback in driving galactic outflows in massive galaxies at high redshift
Notice bibliographique
Résumé
ABSTRACT Recent observations indicate that galactic outflows are ubiquitous in high-redshift (high-z) galaxies, including normal star-forming galaxies, quasar hosts, and dusty star-forming galaxies (DSFGs). However, the impact of outflows on the evolution of their hosts is still an open question. Here, we analyse the star-formation histories and galactic outflow properties of galaxies in massive haloes ($10^{12}\, {\rm M}_{\odot }\ \lt\ M_{\rm vir}\ \lt\ 5\times 10^{12}\, {\rm M}_{\odot }$) at z ≳ 5.5 in three zoom-in cosmological simulations from the MassiveFIRE suite, as part of the Feedback In Realistic Environments (FIRE) project. The simulations were run with the FIRE-2 model, which does not include feedback from active galactic nuclei. The simulated galaxies resemble z > 4 DSFGs, with star-formation rates of $\sim\!{1000}\ {\rm M}_{\odot }\, \rm yr^{-1}$ and molecular gas masses of Mmol ∼ 1010 M⊙. However, the simulated galaxies are characterized by higher circular velocities than those observed in high-z DSFGs. The mass loading factors from stellar feedback are of the order of ∼0.1, implying that stellar feedback is inefficient in driving galactic outflows and gas is consumed by star formation on much shorter time-scales than it is expelled from the interstellar medium. We also find that stellar feedback is highly inefficient in self-regulating star formation in this regime, with an average integrated star formation efficiency (SFE) per dynamical time of 30 per cent. Finally, compared with FIRE-2 galaxies hosted in similarly massive haloes at lower redshift, we find lower mass loading factors and higher SFEs in the high-z sample. We argue that both effects originate from the higher total and gas surface densities that characterize high-z massive systems.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».