[논문 리뷰] Connecting Galaxies with Halos Across Cosmic Time: Stellar mass assembly distribution modeling of galaxy statistics

M. R. Becker|arXiv (Cornell University)|2015. 07. 13.

Data Visualization and Analytics인용 수 22

한 줄 요약

이 논문은 은하의 별성 질량 성장과 암흑 물질 허브 성질 간의 관계를 우주 시간에 걸쳐 연결하는 통계적 모델—별성 질량 집적 분포(Stellar Mass Assembly Distribution, SMAD)—를 제안한다. N-body 허브 융합 트리에 SMAD를 통합하고, 별성 대체 모델을 적용함으로써, 특정 별성 형성 속도(sSFR)에 따른 은하의 이중성 클러스터링을 정성적으로 재현한다. 이는 허브 질량 적립 역사 상관관계가 보조 가정 없이도 은하의 유사성과 고차 통계를 자연스럽게 생성함을 보여준다.

ABSTRACT

In this work, I explore an empirically motivated model for investigating the relationship between galaxy stellar masses, star formation rates and their halo masses and mass accretion histories. The core statistical quantity in this model is the stellar mass assembly distribution, $P(dM_{*}/dt|\mathbf{X},a)$, which specifies the probability density distribution of stellar mass assembly rates given a set of halo properties $\mathbf{X}$ and epoch $a$. Predictions from this model are obtained by integrating the stellar mass assembly distribution (SMAD) over halo merger trees, easily obtained from modern, high-resolution $N$-body simulations. Further properties of the galaxies hosted by the halos can be obtained by post-processing the stellar mass assembly histories with stellar population synthesis models. In my particular example implementation of this model, I use the \citet{behroozi13a} constraint on the median stellar mass assembly rates of halos as a function of their mass and redshift to construct an example parameterization of $P(dM_{*}/dt|\mathbf{X},a)$. This SMAD is then integrated over individual halo mass accretion histories from $N$-body merger trees starting at z = 4, using simple rules to account for merging halos. I find that this a simple model can reproduce qualitatively the bimodal features of the low-redshift galaxy population, including the qualitative split in the two-point clustering as a function of specific star formation rate. These results indicate that models which directly couple halo and galaxy growth through simple efficiency functions can naturally predict the star formation rate bimodality in higher-order statistics of the galaxy field, such as its two-point correlations or galactic conformity signals.

연구 동기 및 목표

• 우주의 시간에 걸쳐 은하-허브 연결을 통계적으로 타당하고 관측에 기반한 모델을 개발하기 위해.
• 허브 질량 적립 역사를 통해 은하 별성 질량 집적이 어떻게 영향을 받고, 관측된 클러스터링 패tern이 어떻게 형성되는지 조사하기 위해.
• 단순한 별성 질량 성장과 허브 진화 간의 결합이 관측된 이중성 은하 통계, 예를 들어 sSFR의 이중성 및 은하 유사성과 같은 특성들을 재현할 수 있는지 테스트하기 위해.
• 관측 데이터(예: 클러스터링 및 렌즈 효과)에 직접적으로 SMAD 매개변수를 피팅할 수 있는 프레임워크를 제공하기 위해.
• FSPS 모델을 사용하여 은하 색깔, 스펙트럼, 초신성 발생률 및 별성 형성 속도 밀도를 예측할 수 있도록 하기 위해.

제안 방법

• 허브 성질 $ \mathbf{X} $와 적색편이 $ a $ 를 조건으로 하는 별성 질량 성장률의 확률 밀도 함수로 별성 질량 집적 분포(SMAD), $ P(dM_{*}/dt|\mathbf{X},a) $ 를 정의한다.
• Behroozi 등 (2013a)의 중앙값 별성 질량 집적 속도를 제약 조건으로 삼아 SMAD를 매개변수화하며, 이는 개별 허브 역사를 기반으로 적용된다고 가정한다.
• 고해상도 N-body 시뮬레이션에서 $ z = 4 $ 에서 시작하는 개별 허브 융합 트리에 SMAD를 통합하여, 단순한 규칙을 통해 허브 융합을 고려한다.
• Chabrier IMF와 태양 금속도를 사용한 별성 대체 모델(FSPS)을 적용하여 별성 형성 역사에서 관측 가능한 색깔과 스펙트럼으로 변환한다.
• 결과로 도출된 별성 질량 및 SFR 역사를 후처리하여 은하 색깔과 클러스터링 통계를 계산하고, SDSS 모의 카탈로그와 비교한다.
• 프로젝션 상관 함수와 색깔 분포를 사용하여 모델 예측을 국지 은하 집단의 통계와 검증한다.

실험 결과

연구 질문

• RQ1 직접적으로 은하 별성 질량 집적과 허브 질량 적립 역사를 연결하는 통계적 모델이 특정 별성 형성 속도(sSFR)에 따른 관측된 은하의 이중성 클러스터링을 재현할 수 있는가?
• RQ2 큰 척도 환경과의 상관관계가 허브 질량 적립 역사를 통해 은하 유사성 신호를 얼마나 자연스럽게 설명할 수 있는가?
• RQ3 중앙값 집적 속도로 매개변수화된 단순한 SMAD 모델이 저 redshift 은하의 색깔과 클러스터링 특성을 얼마나 잘 재현하는가?
• RQ4 특히 별성 형성 시퀀스와 색깔 이중성의 재현에 있어, 관측된 SDSS 데이터와 비교할 때 이 접근법의 한계는 무엇인가?
• RQ5 이 프레임워크를 확장하여 확률적 성장, 피크 이후 질량 진화, 또는 융합 유도 별성 폭발을 모델링함으로써 관측치와의 일치도를 향상시킬 수 있는가?

주요 결과

• 모델은 특정 별성 형성 속도(sSFR)에 따른 은하의 이중성 클러스터링을 정성적으로 재현한다. 이는 허브 질량 적립 역사를 통한 상관관계가 은하 유사성과 같은 고차 통계를 자연스럽게 생성할 수 있음을 시사한다.
• 모델은 색깔 이중성(색깔 이중성)을 생성하며, 이 강도는 낮은 별성 질량에서 더 커진다. 다만, 저질량 중심 은하의 색깔은 SDSS 모의 카탈로그보다 너무 빨간색이다.
• 모델의 별성 형성 시퀀스는 너무 억제된 편이어서, 현재의 SMAD 매개변수화 방식이 저질량 허브에서 별성 형성 속도를 과소평가하고 있음을 시사한다.
• 모델은 모든 별성 질량 범위에서 일관되게 빨간색 위성 은하를 생성하며, 이는 환경적 억제 효과와 일치한다.
• FSPS 모델을 사용하여 은하 색깔과 스펙트럼을 성공적으로 예측함으로써, 이 프레임워크가 백색광 필터링 및 초신성 발생률 모델링에 유용함을 입증한다.
• 향후 SMAD 매개변수를 관측된 클러스터링, 렌즈 효과, 적색편이 공간 왜곡 데이터에 직접 피팅하는 일은 모델 정확도를 크게 향상시킬 것으로 기대된다.