大规模 N 体模拟中束缚结构的快速识别

我们提出了一种算法，旨在高效识别大规模 N 体模拟中数千个结构和子结构的识别与初步动力学分析。首先我们利用改进的密度梯度系统（基于 DENMAX）来识别结构，然后应用迭代近似方法来识别非束缚粒子，以实现快速计算束缚子结构。随后我们产生一个独立的能量束缚子结构目录，并检查其中些是否与相邻子结构能量束缚。对于这种能量束缚的复杂子星系，我们合并组件并检查是否还有额外的自由粒子也与联合体能量束缚，重复此过程直到没有进一步的变化为止。因此我们的子星系可以包含多个密度最大值，但该方案是稳定的：以小平滑长度开始会产生小结构，后续必须合并；以大平滑长度开始会产生大结构，其中发现次次结构。我们将该算法应用于三个模拟：两个使用 Bode 等人 (2000) 的 TPM 算法，以及一个由 Diemand (2004) 模拟的星系。对于所有这些星系，我们发现约有 5-8% 的质量以子结构形式存在。