MétaCan
Menu
← Retour à la cohorte
Enregistrement W6894070928 · doi:10.5281/zenodo.837108

How Superbubble-Driven Outflows Shape Galaxies And Their Cgm

2017· article· en· W6894070928 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstronomy and Astrophysical Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHaloGalaxyBulgeStar formationStellar massGalaxy formation and evolutionStarsSuperbubble

Résumé

récupéré en direct d'OpenAlex

M* galaxies, with halo masses ~10^12 Msun, live in an interesting part of parameter space. Not only are they the "turnover" in the galaxy mass Schecter function, they also have the highest stellar mass (and baryon) fraction, very low bulge-to-disk ratios, and dominate the star formation of the epoch they live in. In this talk I will present the results of a sample of 18 cosmological M* galaxies, simulated using the state-of-the-art superbubble method for handling feedback from Type II Supernovae. I will show that the key to obtaining a realistic stellar mass to halo mass relation (SMHMR) is preventing the runaway growth of a massive bulge by driving outflows with large mass-loadings. If this happens, SN feedback alone can no longer effectively drive outflows from the galaxy, and star formation becomes unregulated. This is a key piece of evidence that the peak of the SMHMR is due to the shut down of SN regulation and the beginning of AGN regulation in more massive halos. I will also show how the interaction between hot outflows and the disk ISM, together with the potential well they live within, sets how much mass is entrained in a galactic wind/fountain, and how this can halt SN-driven winds in high- mass galaxies. Finally, I will detail some issues dealing with the chaotic nature of the dynamics in galaxies.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 GPT0,241
Écart entre enseignants0,211 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetAstronomy and Astrophysical Research→Travaux en français237 207→