半解析模型中的辐射冷却算法研究

我们研究了七个星系形成半解析模型(SAMs)中实现的多种辐射冷却算法的行为，包括本文提出的一个新模型。我们使用无反馈版本的模型，并将其应用于宇宙学背景下增长的暗物质晕，这些暗晕的最终质量范围从10^{11}Msun到10^{14}Msun。首先，使用简化的平滑增长晕模型，我们证明不同算法预测的大质量晕（>10^{12}Msun）的冷却速率和最终冷气体质量相差约5倍。对于质量较小的晕，算法之间的一致性更好，因为它们冷却效率高，因此其冷却速率主要受限于晕的吸积率。然而，对于质量较小的晕，所有SAMs预测的冷却量都少于相应的一维流体动力学模型。其次，我们利用并合树研究了暗物质晕中心星系的气体吸积历史。并合的加入通过早期在小晕中锁定星系内的气体，改变了晕的冷却历史。对于实际晕模型，算法预测的冷气体质量弥散在大质量晕中为0.5 dex，在小质量晕中为0.1 dex，而吸积率的弥散大约大两倍。与宇宙学SPH模拟相比，我们发现大多数SAMs系统性地低估了小质量晕的气体吸积率，但高估了大质量晕的气体吸积率。尽管所有模型都包含了“快速”和“慢速”两种吸积模式，但两种吸积模式之间的转换在不同模型之间以及模型与模拟之间都存在差异。最后，我们构建了一个明确包含冷晕气体的新模型，以说明这类模型能更好地匹配宇宙学流体动力学模拟的结果。