Опишите проект численного моделирования формирования галактик в условиях космологической симуляции: какие методы для представления физики «subgrid» (звездообразование, обратная связь от СБЧ и звёзд), выбор разрешения и аппроксимации гравитации вы бы использовали, как оценить чувствительность результатов к вариациям параметров и какие наблюдаемые величины (мас‑световая зависимость, профили металлическости, морфология) служат тестами модели
- Общая схема: космологическая коробка или zoom‑in + гидродинамика + N‑body гравитация + субгрид‑модели для процессов, не разрешённых по разрешению; подготавливать синтетические наблюдения для прямого сравнения с данными. 1) Выбор гидродинамики и аппроксимации гравитации - Гидродинамика — предпочтительные варианты: - движущаяся сетка / moving‑mesh (AREPO) или meshless finite mass (GIZMO MFM): хорошая передача ударных и контактных поверхностей при умеренной диссипации; - AMR (RAMSES) — удобен для локального повышения разрешения; - современный SPH (pressure‑entropy) — возможен, но требует внимательной настройки. - Гравитация — гибрид Tree‑PM: PM для больших масштабов + дерево/Barnes‑Hut для малых: надежно и масштабируемо. Использовать адаптивное сглаживание силы (softening) для частиц и/или адаптивное по плотности для газа. - Настройки: фиксированное комовариантное сглаживание до z∼z\simz∼ перехода на физическое; для zoom‑in — физическое сглаживание ϵ\epsilonϵ порядка долей характерного размера звёздных/газовых структур. 2) Разрешение и критерии сходимости - Рекомендуемые стандартные цели: - крупные коробки: масса газа mgas∼106 − 107 M⊙\;m_{\rm gas}\sim10^{6}\!-\!10^{7}\,M_\odotmgas∼106−107M⊙, пространственное ∼ 0.5 − 2\sim\!0.5\!-\!2∼0.5−2 кпк: статистика галактик; - zoom‑in на галактику: mgas∼103 − 105 M⊙\;m_{\rm gas}\sim10^{3}\!-\!10^{5}\,M_\odotmgas∼103−105M⊙, пространственное ∼ 10 − 200\sim\!10\!-\!200∼10−200 пк: ISM, ветры, ротация. (все числа писать в KaTeX: mgas∼103 − 107 M⊙\;m_{\rm gas}\sim10^{3}\!-\!10^{7}\,M_\odotmgas∼103−107M⊙, Δx∼10 − 2000\Delta x\sim10\!-\!2000Δx∼10−2000 пк). - Критерии: разрешать Jeans‑длину минимум в несколько елементов (Truelove): λJ/Δx≳4\lambda_J / \Delta x \gtrsim 4λJ/Δx≳4. Для корректной модели SF желательно иметь масштаб порядка толщины холодной фазы — ≲100\lesssim100≲100 пк. - Сходимость: проводить набор симуляций с изменением массы/пространственного разрешения (шаги по массе ×8\times 8×8 или по пространству ×2\times 2×2) и проверять стабильность ключевых результатов. 3) Субгрид‑модели: звездообразование - Формула Шмидта/связанная с свободным падением: ρ˙⋆=ϵff ρtff,tff=3π32Gρ.
\dot\rho_\star = \epsilon_{\rm ff}\,\frac{\rho}{t_{\rm ff}},\qquad t_{\rm ff}=\sqrt{\frac{3\pi}{32G\rho}}. ρ˙⋆=ϵfftffρ,tff=32Gρ3π.
- Параметры/варианты: - порог по плотности nthn_{\rm th}nth (например nth∼1 − 100 cm−3\;n_{\rm th}\sim1\!-\!100\,{\rm cm^{-3}}nth∼1−100cm−3 в зависимости от разрешения); - эффективность на свободном падении ϵff\epsilon_{\rm ff}ϵff в диапазоне ∼0.01 − 0.1\sim0.01\!-\!0.1∼0.01−0.1; - молекулярная зависимость (H2‑фракция) или турбулентный порог (связь с плотностным PDF) для продвинутых моделей; - стохастическое таупоинтное формирование звёзд при дискретизации частиц звёзд. 4) Субгрид‑модели: обратная связь от звёзд и СБЧ - Типы каналов: - сверхновые: механическая (импульс), термальная, кинетическая (ударные оболочки); важно корректно захватывать момент передачи импульса при несостоятельном разрешении (use mechanical feedback or subgrid momentum injection). - ранние ветры, радиационное давление, фотоионизация: влияют на локальную регуляцию SF и запуск ветров. - химическое обогащение: трекать как минимум мета‑з суммарно и/или основные элементы (O, Fe, C); использовать табличные выходы по возрасту звёзд и IMF. - Практические схемы: - delayed‑cooling / stochastic heating — временно подавляют кулоновское охлаждение в объёмах, где уходит энергия SN, чтобы моделировать незарезолвенные горячие фазы; - mechanical feedback: вводить ожидаемый итоговый импульс pSNp_{\rm SN}pSN в зависимости от середины стадии SNR (зависимость от щаги разрешения и густоты); - кинетическая «галактическая ветряная» модель с массонагрузкой η=M˙wind/M˙⋆\eta=\dot M_{\rm wind}/\dot M_\starη=M˙wind/M˙⋆ и скоростью vwindv_{\rm wind}vwind (можно связать с vescv_{\rm esc}vesc или σ\sigmaσ). - Вводимые параметры: энергия на SN ESN∼1051E_{\rm SN}\sim10^{51}ESN∼1051 эрг/событие; mass‑loading η\etaη типично от ∼0.1\sim0.1∼0.1 до ∼10\sim10∼10. 5) Субгрид‑модель AGN/СБЧ - Аккреция: Bondi‑like (с поправками на мультифазный газ) или torque‑limited (с учётом крупномасштабного транспорта углового момента). - Режимы обратной связи: - квэзарный/радиационный — термальная инжекция энергии, высокая эффективность ϵrad\epsilon_{\rm rad}ϵrad; - радио/джет — кинетические потоки/импульс, меньшая частота, большая дальность распространения. - Настраиваемые параметры: коэффициент превращения массы в энергию ϵr\epsilon_rϵr, фракция в фидбэк ϵf\epsilon_fϵf, направление джетов, импульс. Важно проверять чувствительность на оба режима. 6) Охлаждение и химия - Металло‑зависимая кулонность, UV фон (self‑shielding аппроксимации), простые сети для H2 или табличные охладительные кривые, учитывающие индивидуальные элементы при наличии данных об обогащении. - Следить за переносом тепла/металлов в CGM/IGM. 7) Оценка чувствительности параметров и валидация - Стратегия: - локальный контроль чувствительности: менять по одному параметру (one‑at‑a‑time) для интуиции; - глобальный анализ: латинский гиперкуб, случайная подборка, байесовская оптимизация; строить эмулатры (Gaussian Process) чтобы интерполировать выходы по параметрам и оценивать производные чувствительности (Sobol/ANOVA). - Конкретные тесты: - разрешающая сходимость: серии с масштабированием массы ×8\times 8×8 и пространством ×2\times2×2; - чувствительность к ϵff\epsilon_{\rm ff}ϵff, nthn_{\rm th}nth, ESNE_{\rm SN}ESN, η\etaη, ϵAGN\epsilon_{\rm AGN}ϵAGN — варьировать в разумных пределах; оценивать влияние на наблюдаемые (см. ниже). - Метрики сравнения: средние/квантили распределений, RMS/KS/chi2 между моделями и данными, posterior predictive checks при байесовском подходе. - Калибровка: подгонять небольшое число параметров к ключевым глобальным ограничениям (функция массы галактик, газовые фракции, космическая SFRD) — но проверять согласованность с независимыми наблюдениями (metallicity, kinematics). 8) Наблюдаемые величины как тесты модели (что сравнивать) - Мас‑световая и массово‑галактичная зависимость: - Stellar mass–halo mass (SMHM): M⋆(Mhalo)M_\star(M_{\rm halo})M⋆(Mhalo) — основная калибровочная кривая; распределение отклонений. - Luminosity function / stellar mass function: форма векторов на низкой/высокой массе. - Mass‑to‑light ratio M⋆/LM_\star/LM⋆/L и его зависимость от цвета/возраста. - Звёздные и газовые профили: - поверхностная плотность звёзд Σ⋆(r)\Sigma_\star(r)Σ⋆(r), Sersic индекс nnn, effective radius ReR_eRe — сравнение морфологии; - профиль металлическости звёзд и газа Z(r)Z(r)Z(r) — градиенты (dex/kpc), mass–metallicity relation; - возрастные градиенты и цветовые профили. - Кинематика и морфология: - круточные кривые Vc(r)V_c(r)Vc(r), вклад тёмной материи/барионов, V/σV/\sigmaV/σ для дисков vs сфероидов; - булдж‑то‑disk ratio, фракция вращающейся массы, булжевый Sersic nnn, визуальная морфология (mock images, CAS/Gini/M20). - Межгалактическая среда (CGM/IGM): - металличность и колонка в CGM (absorption line statistics), профили температуры/плотности вокруг галактик; - mass and metal budgets in CGM — тест для эффективности ветров. - Глобальные: - космическая плотность SFR ρSFR(z)\rho_{\rm SFR}(z)ρSFR(z) и её эволюция; - Tully‑Fisher / Faber‑Jackson зависимости; - распределение специфических SFR, fraction quenched vs mass и среда. - Синтетические наблюдения: производить mock‑кадры с RT (пыль, линии), вычислять то, что измеряют наблюдатели (магнитуды, широкополосные цвета, профили линий), чтобы избежать систематик сравнения. 9) Практические замечания и риски - Дегерерация параметров: разные комбинации параметров могут дать похожие глобальные свойства — требуются множественные независимые наблюдаемые для «развязывания» (e.g., SMHM + metallicity + CGM). - Нелинейность и масштаб‑зависимость: параметры, калиброванные на одной массе/разрешении, могут не переноситься на другие масштабы — всегда проверять переносимость. - Документирование: фиксировать версии кода, случайные зерна, все параметры субгрид‑моделей для воспроизводимости. Коротко: используйте современную гидродинамику (moving‑mesh/MFM или AMR) + Tree‑PM для гравитации, субгрид‑SF на базе ρ˙⋆=ϵffρ/tff\dot\rho_\star=\epsilon_{\rm ff}\rho/t_{\rm ff}ρ˙⋆=ϵffρ/tff с порогом nthn_{\rm th}nth, механическую/кинетическую + радиационную обратную связь для звёзд и двухрежимную (термальная/кинетическая) для AGN; добивайтесь разрешения для ISM (∼10 − 100\sim10\!-\!100∼10−100 пк) в zoom‑in для детальной физики, выполняйте серии конвергенции и глобальный анализ чувствительности (Latin Hypercube / эмулатры), сравнивайте с набором наблюдаемых: SMHM, mass‑metallicity, профили Z(r)Z(r)Z(r), Σ⋆(r)\Sigma_\star(r)Σ⋆(r), Vc(r)V_c(r)Vc(r), luminosity function, quenched fraction, CGM‑металличность и mock‑изображения.
1) Выбор гидродинамики и аппроксимации гравитации
- Гидродинамика — предпочтительные варианты:
- движущаяся сетка / moving‑mesh (AREPO) или meshless finite mass (GIZMO MFM): хорошая передача ударных и контактных поверхностей при умеренной диссипации;
- AMR (RAMSES) — удобен для локального повышения разрешения;
- современный SPH (pressure‑entropy) — возможен, но требует внимательной настройки.
- Гравитация — гибрид Tree‑PM: PM для больших масштабов + дерево/Barnes‑Hut для малых: надежно и масштабируемо. Использовать адаптивное сглаживание силы (softening) для частиц и/или адаптивное по плотности для газа.
- Настройки: фиксированное комовариантное сглаживание до z∼z\simz∼ перехода на физическое; для zoom‑in — физическое сглаживание ϵ\epsilonϵ порядка долей характерного размера звёздных/газовых структур.
2) Разрешение и критерии сходимости
- Рекомендуемые стандартные цели:
- крупные коробки: масса газа mgas∼106 − 107 M⊙\;m_{\rm gas}\sim10^{6}\!-\!10^{7}\,M_\odotmgas ∼106−107M⊙ , пространственное ∼ 0.5 − 2\sim\!0.5\!-\!2∼0.5−2 кпк: статистика галактик;
- zoom‑in на галактику: mgas∼103 − 105 M⊙\;m_{\rm gas}\sim10^{3}\!-\!10^{5}\,M_\odotmgas ∼103−105M⊙ , пространственное ∼ 10 − 200\sim\!10\!-\!200∼10−200 пк: ISM, ветры, ротация.
(все числа писать в KaTeX: mgas∼103 − 107 M⊙\;m_{\rm gas}\sim10^{3}\!-\!10^{7}\,M_\odotmgas ∼103−107M⊙ , Δx∼10 − 2000\Delta x\sim10\!-\!2000Δx∼10−2000 пк).
- Критерии: разрешать Jeans‑длину минимум в несколько елементов (Truelove): λJ/Δx≳4\lambda_J / \Delta x \gtrsim 4λJ /Δx≳4. Для корректной модели SF желательно иметь масштаб порядка толщины холодной фазы — ≲100\lesssim100≲100 пк.
- Сходимость: проводить набор симуляций с изменением массы/пространственного разрешения (шаги по массе ×8\times 8×8 или по пространству ×2\times 2×2) и проверять стабильность ключевых результатов.
3) Субгрид‑модели: звездообразование
- Формула Шмидта/связанная с свободным падением:
ρ˙⋆=ϵff ρtff,tff=3π32Gρ. \dot\rho_\star = \epsilon_{\rm ff}\,\frac{\rho}{t_{\rm ff}},\qquad t_{\rm ff}=\sqrt{\frac{3\pi}{32G\rho}}.
ρ˙ ⋆ =ϵff tff ρ ,tff =32Gρ3π . - Параметры/варианты:
- порог по плотности nthn_{\rm th}nth (например nth∼1 − 100 cm−3\;n_{\rm th}\sim1\!-\!100\,{\rm cm^{-3}}nth ∼1−100cm−3 в зависимости от разрешения);
- эффективность на свободном падении ϵff\epsilon_{\rm ff}ϵff в диапазоне ∼0.01 − 0.1\sim0.01\!-\!0.1∼0.01−0.1;
- молекулярная зависимость (H2‑фракция) или турбулентный порог (связь с плотностным PDF) для продвинутых моделей;
- стохастическое таупоинтное формирование звёзд при дискретизации частиц звёзд.
4) Субгрид‑модели: обратная связь от звёзд и СБЧ
- Типы каналов:
- сверхновые: механическая (импульс), термальная, кинетическая (ударные оболочки); важно корректно захватывать момент передачи импульса при несостоятельном разрешении (use mechanical feedback or subgrid momentum injection).
- ранние ветры, радиационное давление, фотоионизация: влияют на локальную регуляцию SF и запуск ветров.
- химическое обогащение: трекать как минимум мета‑з суммарно и/или основные элементы (O, Fe, C); использовать табличные выходы по возрасту звёзд и IMF.
- Практические схемы:
- delayed‑cooling / stochastic heating — временно подавляют кулоновское охлаждение в объёмах, где уходит энергия SN, чтобы моделировать незарезолвенные горячие фазы;
- mechanical feedback: вводить ожидаемый итоговый импульс pSNp_{\rm SN}pSN в зависимости от середины стадии SNR (зависимость от щаги разрешения и густоты);
- кинетическая «галактическая ветряная» модель с массонагрузкой η=M˙wind/M˙⋆\eta=\dot M_{\rm wind}/\dot M_\starη=M˙wind /M˙⋆ и скоростью vwindv_{\rm wind}vwind (можно связать с vescv_{\rm esc}vesc или σ\sigmaσ).
- Вводимые параметры: энергия на SN ESN∼1051E_{\rm SN}\sim10^{51}ESN ∼1051 эрг/событие; mass‑loading η\etaη типично от ∼0.1\sim0.1∼0.1 до ∼10\sim10∼10.
5) Субгрид‑модель AGN/СБЧ
- Аккреция: Bondi‑like (с поправками на мультифазный газ) или torque‑limited (с учётом крупномасштабного транспорта углового момента).
- Режимы обратной связи:
- квэзарный/радиационный — термальная инжекция энергии, высокая эффективность ϵrad\epsilon_{\rm rad}ϵrad ;
- радио/джет — кинетические потоки/импульс, меньшая частота, большая дальность распространения.
- Настраиваемые параметры: коэффициент превращения массы в энергию ϵr\epsilon_rϵr , фракция в фидбэк ϵf\epsilon_fϵf , направление джетов, импульс. Важно проверять чувствительность на оба режима.
6) Охлаждение и химия
- Металло‑зависимая кулонность, UV фон (self‑shielding аппроксимации), простые сети для H2 или табличные охладительные кривые, учитывающие индивидуальные элементы при наличии данных об обогащении.
- Следить за переносом тепла/металлов в CGM/IGM.
7) Оценка чувствительности параметров и валидация
- Стратегия:
- локальный контроль чувствительности: менять по одному параметру (one‑at‑a‑time) для интуиции;
- глобальный анализ: латинский гиперкуб, случайная подборка, байесовская оптимизация; строить эмулатры (Gaussian Process) чтобы интерполировать выходы по параметрам и оценивать производные чувствительности (Sobol/ANOVA).
- Конкретные тесты:
- разрешающая сходимость: серии с масштабированием массы ×8\times 8×8 и пространством ×2\times2×2;
- чувствительность к ϵff\epsilon_{\rm ff}ϵff , nthn_{\rm th}nth , ESNE_{\rm SN}ESN , η\etaη, ϵAGN\epsilon_{\rm AGN}ϵAGN — варьировать в разумных пределах; оценивать влияние на наблюдаемые (см. ниже).
- Метрики сравнения: средние/квантили распределений, RMS/KS/chi2 между моделями и данными, posterior predictive checks при байесовском подходе.
- Калибровка: подгонять небольшое число параметров к ключевым глобальным ограничениям (функция массы галактик, газовые фракции, космическая SFRD) — но проверять согласованность с независимыми наблюдениями (metallicity, kinematics).
8) Наблюдаемые величины как тесты модели (что сравнивать)
- Мас‑световая и массово‑галактичная зависимость:
- Stellar mass–halo mass (SMHM): M⋆(Mhalo)M_\star(M_{\rm halo})M⋆ (Mhalo ) — основная калибровочная кривая; распределение отклонений.
- Luminosity function / stellar mass function: форма векторов на низкой/высокой массе.
- Mass‑to‑light ratio M⋆/LM_\star/LM⋆ /L и его зависимость от цвета/возраста.
- Звёздные и газовые профили:
- поверхностная плотность звёзд Σ⋆(r)\Sigma_\star(r)Σ⋆ (r), Sersic индекс nnn, effective radius ReR_eRe — сравнение морфологии;
- профиль металлическости звёзд и газа Z(r)Z(r)Z(r) — градиенты (dex/kpc), mass–metallicity relation;
- возрастные градиенты и цветовые профили.
- Кинематика и морфология:
- круточные кривые Vc(r)V_c(r)Vc (r), вклад тёмной материи/барионов, V/σV/\sigmaV/σ для дисков vs сфероидов;
- булдж‑то‑disk ratio, фракция вращающейся массы, булжевый Sersic nnn, визуальная морфология (mock images, CAS/Gini/M20).
- Межгалактическая среда (CGM/IGM):
- металличность и колонка в CGM (absorption line statistics), профили температуры/плотности вокруг галактик;
- mass and metal budgets in CGM — тест для эффективности ветров.
- Глобальные:
- космическая плотность SFR ρSFR(z)\rho_{\rm SFR}(z)ρSFR (z) и её эволюция;
- Tully‑Fisher / Faber‑Jackson зависимости;
- распределение специфических SFR, fraction quenched vs mass и среда.
- Синтетические наблюдения: производить mock‑кадры с RT (пыль, линии), вычислять то, что измеряют наблюдатели (магнитуды, широкополосные цвета, профили линий), чтобы избежать систематик сравнения.
9) Практические замечания и риски
- Дегерерация параметров: разные комбинации параметров могут дать похожие глобальные свойства — требуются множественные независимые наблюдаемые для «развязывания» (e.g., SMHM + metallicity + CGM).
- Нелинейность и масштаб‑зависимость: параметры, калиброванные на одной массе/разрешении, могут не переноситься на другие масштабы — всегда проверять переносимость.
- Документирование: фиксировать версии кода, случайные зерна, все параметры субгрид‑моделей для воспроизводимости.
Коротко: используйте современную гидродинамику (moving‑mesh/MFM или AMR) + Tree‑PM для гравитации, субгрид‑SF на базе ρ˙⋆=ϵffρ/tff\dot\rho_\star=\epsilon_{\rm ff}\rho/t_{\rm ff}ρ˙ ⋆ =ϵff ρ/tff с порогом nthn_{\rm th}nth , механическую/кинетическую + радиационную обратную связь для звёзд и двухрежимную (термальная/кинетическая) для AGN; добивайтесь разрешения для ISM (∼10 − 100\sim10\!-\!100∼10−100 пк) в zoom‑in для детальной физики, выполняйте серии конвергенции и глобальный анализ чувствительности (Latin Hypercube / эмулатры), сравнивайте с набором наблюдаемых: SMHM, mass‑metallicity, профили Z(r)Z(r)Z(r), Σ⋆(r)\Sigma_\star(r)Σ⋆ (r), Vc(r)V_c(r)Vc (r), luminosity function, quenched fraction, CGM‑металличность и mock‑изображения.