星际与环境在星系形成中的作用：基于因果机器学习的环境对星际形成率的影响

理解星系如何形成和演化是现代天文学的核心问题。尽管近几十年来随着大规模调查和模拟的推进，取得了显著进展，但关于这些现象背后的物理过程，特别是它们的重要性，仍远未为人所知，因为主要是通过相关性来建立的，而非揭示其根本原因。我们通过应用因果推断框架来应对这一挑战。具体而言，我们针对星系形成和演化是否更依赖于星际（即内部过程）或星际培育（即外部过程）这一根本性开放性问题，通过估计 IllustrisTNG 模拟中环境对星际形成率的因果效应来回答。为此，我们构建了完整的因果模型，并运用流行病学中的前沿技术，以克服长期以来无法区分星际与星际培育的难题。我们发现，因果效应为负且显著，环境将星际形成率抑制约 100 倍。虽然在 z=0 时整体效果为负，但在早期宇宙中，环境被发现具有积极影响，在 z≈1 时将星际形成率提升约 10 倍，并在更高红移处甚至更大程度上提升。在此基础上，我们进一步表明：(i) 星际也发挥重要作用，因为若忽略星际，在中间密度环境中会低估因果效应约 2 倍；(ii) 如文献中常见的在某一时刻控制恒星质量，既不足以区分星际与星际培育，反而产生不利影响，但(iii) 恒星质量是星际效应的充分代理变量。最后，本工作可能为从其他处理具有封闭反馈环的动态系统（如地球气候）中提取因果洞见提供一条有用的蓝图。