Applying a star formation model calibrated on high-resolution interstellar medium simulations to cosmological simulations of galaxy formation
Notice bibliographique
Résumé
ABSTRACT Modern high-resolution simulations of the interstellar medium (ISM) have shown that key factors in governing star formation are the competing influences of radiative dissipation, pressure support driven by stellar feedback, and gravity. However, cosmological simulations of galaxy formation are unable to resolve this physics in detail and therefore rely on approximate treatments, often taking the form of empirical subgrid models of the ISM expressed in terms of an effective equation of state (EOS). Here we seek to improve these heuristic models by directly fitting to results of the high-resolution TIGRESS simulations, which have shown that the dynamical equilibrium of the ISM can be understood in terms of a pressure-regulated feedback-modulated (PRFM) model for star formation. We explore a simple subgrid model that draws on the PRFM concept but uses only local quantities. It accurately reproduces the TIGRESS scalings for pure gas discs, but predicts slightly less star formation in the presence of an additional stellar disc. We compare this to the older Springel & Hernquist and TNG prescriptions by applying all three models to isolated simulations of disc galaxies as well as to a set of high-resolution zoom-in simulations carried out with a novel ‘multizoom’ technique that we introduce here. The softer TIGRESS EOS produces substantially thinner disc galaxies, which has important ramifications for disc stability and galaxy morphology. The stellar mass of galaxies is hardly modified at low redshift, reflecting the dominating influence of large-scale gaseous inflows and outflows, which are not sensitive to the EOS itself.
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 ».