[论文解读] Cosmological baryon spread and impact on matter clustering in CAMELS

Matthew Gebhardt, Daniel Anglés‐Alcázar+10 more|arXiv (Cornell University)|Jul 21, 2023

Cosmology and Gravitation Theories被引用 4

一句话总结

本文引入了一种宇宙学重子扩散度量，用于量化超新星和活动星系核（AGN）反馈在流体动力学模拟中相对于初始暗物质分布重新分布重子物质的程度。基于CAMELS项目的大规模模拟套件，研究发现重子扩散与物质功率谱的抑制存在强烈相关性：SIMBA模拟中由于高效的AGN反馈，约40%的重子物质扩散距离超过1 Mpc，而IllustrisTNG和ASTRID仅约10%；符号回归识别出一种适用于多种反馈模型的、可预测功率谱抑制的解析函数。

ABSTRACT

We quantify the cosmological spread of baryons relative to their initial neighboring dark matter distribution using thousands of state-of-the-art simulations from the Cosmology and Astrophysics with MachinE Learning Simulations (CAMELS) project. We show that dark matter particles spread relative to their initial neighboring distribution owing to chaotic gravitational dynamics on spatial scales comparable to their host dark matter halo. In contrast, gas in hydrodynamic simulations spreads much further from the initial neighboring dark matter owing to feedback from supernovae (SNe) and Active Galactic Nuclei (AGN). We show that large-scale baryon spread is very sensitive to model implementation details, with the fiducial extsc{SIMBA} model spreading $\sim$40\% of baryons $>$1\,Mpc away compared to $\sim$10\% for the IllustrisTNG and extsc{ASTRID} models. Increasing the efficiency of AGN-driven outflows greatly increases baryon spread while increasing the strength of SNe-driven winds can decrease spreading due to non-linear coupling of stellar and AGN feedback. We compare total matter power spectra between hydrodynamic and paired $N$-body simulations and demonstrate that the baryonic spread metric broadly captures the global impact of feedback on matter clustering over variations of cosmological and astrophysical parameters, initial conditions, and galaxy formation models. Using symbolic regression, we find a function that reproduces the suppression of power by feedback as a function of wave number ($k$) and baryonic spread up to $k \sim 10\,h$\,Mpc$^{-1}$ while highlighting the challenge of developing models robust to variations in galaxy formation physics implementation.

研究动机与目标

• 量化在流体动力学宇宙学模拟中，重子物质相对于其初始暗物质邻近粒子的宇宙学扩散程度。
• 评估反馈过程（特别是AGN和恒星反馈）对大尺度重子再分布及其对物质聚集影响的作用。
• 评估重子扩散是否可作为预测不同星系形成模型和宇宙学参数下物质功率谱全局抑制的稳健、普适度量。
• 开发并测试一种符号回归模型，以捕捉重子扩散与物质功率谱抑制之间的关系，即使在训练参数空间之外也能实现外推。

提出的方法

• 本研究使用CAMELS项目提供的3,000多个高分辨率流体动力学模拟，包括具有相同初始条件的完整流体动力学模拟和配对的N体模拟。
• 定义了一种新颖的“重子扩散”度量：每个重子与其最近初始邻近暗物质粒子之间的径向距离，按晕的拉格朗日区域进行平均。
• 计算流体动力学模拟和N体模拟的物质功率谱，以量化反馈引起的大型尺度聚集抑制。
• 应用符号回归，学习一个闭式解析函数，关联波数（k）、重子扩散与物质功率谱抑制，训练数据来自SIMBA模拟中变化的4个反馈参数。
• 在其他星系形成模型（IllustrisTNG、ASTRID）的模拟上测试该模型的预测能力，这些模拟具有不同的反馈实现方式和参数集。
• 使用随机森林回归在重子扩散和宇宙学参数上训练代理模型，以预测非线性区域的物质功率谱。

实验结果

研究问题

• RQ1 在宇宙学流体动力学模拟中，不同星系形成模型下，重子物质相对于初始暗物质邻近粒子的扩散程度如何变化？
• RQ2 与恒星反馈相比，AGN反馈在增强大尺度重子再分布方面的作用有多大？
• RQ3 重子扩散是否可作为跨不同反馈方案和宇宙学参数下物质功率谱抑制的普适预测指标？
• RQ4 在一种反馈模型（SIMBA）上训练的符号回归模型，其对其他反馈实现方式（IllustrisTNG、ASTRID）模拟中的功率谱抑制预测能力如何？

主要发现

• 暗物质由于混沌的引力动力学而发生扩散，质量更大的晕中扩散更显著，且随着Ωm和σ8的增加而增强。
• 由于反馈作用，气体扩散距离远超暗物质，SIMBA模拟中约40%的重子物质被移动至超过1 Mpc的距离，而IllustrisTNG和ASTRID中仅约10%。
• 提高AGN反馈效率可增强重子扩散，而更强的恒星反馈可能反而减少扩散，原因在于非线性耦合抑制了黑洞增长和AGN活动。
• 重子扩散度量与物质功率谱的抑制存在强烈相关性，使其成为反馈对大尺度结构影响的稳健全局指标。
• 符号回归得到一个简洁的解析函数，能够捕捉SIMBA模拟中k和重子扩散对功率谱抑制的影响，涵盖超过20个天体物理参数，但无法推广至扩散程度较低的模型（如IllustrisTNG和ASTRID）。
• 本研究强调了即使使用如重子扩散等总结统计量，构建对星系形成物理实现方式变化具有鲁棒性的反馈模型仍具挑战。