High-redshift AGN population in radiation-hydrodynamics simulations
Notice bibliographique
Résumé
ABSTRACT High-redshift active galactic nuclei (AGNs) have long been recognized as key probes of early black hole growth and galaxy evolution. However, modelling this population remains difficult due to the wide range of luminosities and black hole masses involved, and the high computational costs of capturing the hydrodynamic response of gas and evolving radiation fields on the fly. In this study, we present a new suite of simulations based on the IllustrisTNG galaxy formation framework, enhanced with on-the-fly radiative transfer, to examine AGN at high redshift ($z \gtrsim 5$) in a protocluster environment extracted from the MillenniumTNG simulation. We focus on the coevolution of black holes and their host galaxies, as well as the radiative impact on surrounding intergalactic gas. The model predicts that black holes form in overdense regions and lie below the local black hole–stellar mass relation, with stellar mass assembly preceding significant black hole accretion. Ionizing photons are primarily produced by stars, which shape the morphology of ionized regions and drive reionization. Given the restrictive black hole growth in the original IllustrisTNG model, we reduce the radiative efficiency from 0.2 to 0.1, resulting in higher accretion rates for massive black holes, more bursty growth, and earlier AGN-driven quenching. However, the resulting AGNs remain significantly fainter than observed high-redshift quasars. As such, to incorporate this missing population, we introduce a quasar boosted model, in which we artificially boost the AGN luminosity. This results in strong effects on the surrounding gas, most notably a proximity effect, and large contributions to He ionization.
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 ».