[论文解读] SHAM through the lens of a hydrodynamical simulation

Ginevra Favole, Antonio D. Montero-Dorta+4 more|arXiv (Cornell University)|Jan 26, 2021

Galaxies: Formation, Evolution, Phenomena参考文献 7被引用 4

一句话总结

本研究通过引入次子晕的次级属性——特别是饥饿红移（z_starve）和落入时的集中度（c_infall）——对子晕丰度匹配（SHAM）框架进行了增强，以改进IllustrisTNG100流体动力学模拟中红色/蓝色及熄灭/星形成星系的聚类预测。装饰后的SHAM模型与模拟数据高度一致，表明星系聚类显著依赖于环境与吸积历史的代理变量，而不仅仅是晕质量本身。

ABSTRACT

We use the IllustrisTNG100 hydrodynamical simulation to study the dependence of the galaxy two-point correlation function on a broad range of secondary subhalo and galactic properties. We construct galaxy mock catalogues adopting a standard sub-halo abundance matching scheme coupled with a secondary assignment between galaxy colour or specific star formation rate and the following subhalo properties: starvation redshift z$_{ m starve}$, concentration at infall, overdensity $δ_R^{ m env}$, tidal anisotropy $α_R$, and tidal overdensity $δ_R$. The last two quantities allow us to fully characterise the tidal field of our subhaloes, acting as mediators between their internal and large-scale properties. The resulting mock catalogues overall return good agreement with the IllustrisTNG100 measurements. The accuracy of each model strongly depends on the correlation between the secondary galaxy and subhalo properties employed. Among all the subhalo proxies tested, we find that z$_{ m starve}$ and $c_{ m infall}$ are the ones that best trace the large-scale structure, producing robust clustering predictions for different samples of red/blue and quenched/star-forming galaxies.

研究动机与目标

• 通过在晕质量之外引入次级次子晕属性，改进SHAM中的星系聚类预测。
• 研究星系颜色与特定恒星形成率（sSFR）如何与流体动力学模拟中的次子晕属性相关联。
• 检验次子晕的环境与潮汐属性是否能更优地模拟不同星系群体的大尺度结构聚类。
• 基于IllustrisTNG100观测数据，对装饰后的SHAM框架进行验证，涵盖多个星系样本。
• 评估不同次子晕代理变量在不同恒星质量区间内再现观测聚类模式的相对性能。

提出的方法

• 使用标准子晕丰度匹配（SHAM）构建星系模拟星表，以恒星质量和峰值圆周速度（V_peak）作为晕-星系主要代理变量。
• 通过星系属性（颜色、sSFR）与次子晕属性之间的次级匹配，扩展SHAM：包括z_starve、c_infall、δ_R^env、α_R和δ_R。
• 利用在次子晕位置插值得到的潮汐张量，并在4 R_200范围内进行平滑处理，定义次子晕潮汐密度δ_R与各向异性α_R。
• 测量TNG100中星系的两点相关函数，并与三个恒星质量区间内的模拟预测结果进行比较。
• 通过比较模拟聚类与基准TNG100测量值，评估模型准确性，重点关注红色/蓝色与熄灭/星形成子样本。
• 利用TNG100数据库提取z=0时的次子晕属性与星系属性，实现次级相关性的直接比较。

实验结果

研究问题

• RQ1 在IllustrisTNG100模拟中，哪些次子晕次级属性最能再现红色与蓝色星系的聚类特征？
• RQ2 与仅依赖质量的标准SHAM相比，引入环境与潮汐次子晕属性在SHAM聚类预测中带来了多大程度的改进？
• RQ3 在流体动力学背景下，星系sSFR与颜色在多大程度上与次子晕吸积历史及环境条件相关？
• RQ4 装饰后的SHAM框架能否稳健预测低密度星系群体（如熄灭星系或高sSFR星系）的聚类特征？
• RQ5 潮汐各向异性（α_R）在塑造星系聚类中扮演何种角色？为何其在不同密度样本中表现不一致？

主要发现

• 饥饿红移（z_starve）与落入时的集中度（c_infall）是预测红色/蓝色及熄灭/星形成星系聚类的最有效次子晕代理变量。
• 潮汐密度（δ_R）与次子晕环境密度（δ_R^env）表现良好，虽略有偏离TNG100数据，但仍表明其在聚类建模中的相关性。
• 潮汐各向异性（α_R）在高数量密度群体中表现良好，但在低密度样本中出现更大偏差，表明其预测能力存在局限。
• 模型准确性强烈依赖于所选星系与次子晕次级属性之间的相关性，相关性越高，聚类预测越准确。
• 装饰后的SHAM模型在所有测试星系样本中均与TNG100测量值高度一致，验证了其在多tracer宇宙学中的适用性。
• 结果证实，由环境与吸积历史驱动的次级晕偏置在塑造星系聚类中起着关键作用，且可通过次子晕代理变量有效建模。