MétaCan
Menu
Retour à la cohorte
Enregistrement W760825467 · doi:10.1093/mnras/stx822

Entrainment in trouble: cool cloud acceleration and destruction in hot supernova-driven galactic winds

2017· article· en· W760825467 sur OpenAlexaff
Dong Zhang, Todd A. Thompson, Eliot Quataert, Norman Murray

Notice bibliographique

RevueMonthly Notices of the Royal Astronomical Society · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGamma-ray bursts and supernovae
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesNational Sleep FoundationNational Aeronautics and Space Administration
Mots-clésPhysicsAstrophysicsSupernovaGalaxyRam pressureAstronomyGalactic haloStar formationHalo

Résumé

récupéré en direct d'OpenAlex

Efficient thermalization of overlapping supernovae within star-forming galaxies may produce a supernova-heated fluid that drives galactic winds. For fiducial assumptions about the timescale for cloud shredding from high-resolution simulations (which neglect magnetic fields) we show that cool clouds with temperature from $T_{c}\sim 10^{2}-10^{4}$ K seen in emission and absorption in galactic winds cannot be accelerated to observed velocities by the ram pressure of a hot wind. Taking into account both the radial structure of the hot flow and gravity, we show that this conclusion holds over a wide range of galaxy, cloud, and hot wind properties. This finding calls into question the prevailing picture whereby the cool atomic gas seen in galactic winds is entrained and accelerated by the hot flow. Given these difficulties with ram pressure acceleration, we discuss alternative models for the origin of high velocity cool gas outflows. Another possibility is that magnetic fields in cool clouds are sufficiently important that they prolong the cloud's life. For $T_{c}=10^{3}$\,K and $10^{4}$\,K clouds, we show that if conductive evaporation can be neglected, the cloud shredding timescale must be $\sim15$ and 5 times longer, respectively, than the values from hydrodynamical simulations in order for cool cloud velocities to reach those seen in observations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,558

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations114
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonthly Notices of the Royal Astronomical SocietyMême sujetGamma-ray bursts and supernovaeTravaux en français237 207