Astronomija

„Mažojo h“ naudojimas kosmologinėse simuliacijose

„Mažojo h“ naudojimas kosmologinėse simuliacijose


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Vykdau kosmologinę simuliaciją ir susiduriu su sunkumais įdėdamas daiktus į kodo vienetus. Fizinio atstumo vienetai mano imitacijoje yra $ text {Mpc / h} $, kur $ h $ yra be matmenų Hablo parametras. Tai yra pakankamai prasminga, nes, kaip pažymėta kitur, modeliavimas dažnai nėra apimtis, todėl prasminga išskaičiuoti $ h $ priklausomybę ir padaryti ją aiškią. Tačiau ši vieneto konvencija kelia man painiavos. Atlikdamas vieną skaičiavimą, kurį turiu atlikti modeliavimo metu, aš iš esmės (nepaisydamas konteksto, kurį galiu pateikti vėliau) turiu padauginti šviesos greitį $ c $ atvirkštiniu atstumu 1 USD / x_0 $ kuris pateikiamas vienetais $ text {Mpc / h} $.

Norėdamas tinkamai atšaukti vienetus, pirmiausia įdėjau $ c $ vienetais $ text {Mpc / s} $ gauti $ 9,716 times10 ^ {- 15} text {Mpc / s} $$ Tačiau ar turėčiau žinoti faktorius $ h $ priklausomybė? Tai man atrodo keista, nes, mano galva, šviesos greičio vertė neturėtų priklausyti nuo pagrindinės mano imituotos kosmologijos. Kita vertus, manau, kad neturėčiau atšaukti vienetų $ text {Mpc} $ su vienetais $ text {Mpc / h} $. Tarkime, kad viskas būtų konkreti, tarkime, kad aš turiu vertę $ h =, 7 $. Ar turėčiau paimti aukščiau nurodytą kiekį ir padauginti iš jo $.7$ kad duotų $ 6.802 kartus 10 ^ {- 15} text {(Mpc / h) / s} $$

ir naudoti tą rezultatą mano skaičiavimuose? Manau, kad ši situacija mane glumina, nes ji neapima matavimų, kur aišku, kaip $ h $ gali patekti, ir tai apima gamtos pastovumą, kuris turėtų būti nepriklausomas nuo manomos kosmologijos.

Praneškite, jei reikia daugiau informacijos.


Dalinis atsakymas; nors klausimas yra 17 dienų, tikiuosi, kad šis priklausomybės vadovas h kosmologijoje gali suteikti jums gerą supratimą apie šią koncepciją.

Trumpas vadovas h priklausomybė kosmologijoje

kuris siejasi su Velnias Tave, mažoji h! (Arba „Hablo“ taikymas realiame pasaulyje, naudojant stebimus ir imituotus duomenis). Santrauka sako:

Hablo konstanta, H0, arba jo be matmenų atitikmuo "mažasis h", yra pagrindinė kosmologinė savybė, kuri dabar žinoma tiksliau nei keli procentai. Nepaisant kosmologinio pobūdžio, išmatuotose atskirų galaktikų savybėse mažai h atsiranda. Tai gali kelti unikalių iššūkių tokių duomenų vartotojams, ypač turint omenyje apklausos duomenis. Šiame straipsnyje mes parodome, kiek mažai h atsiranda matuojant galaktikas, kaip palyginti panašias savybes iš skirtingų duomenų rinkinių, kurie prisiėmė skirtingas mažas h kosmologijas, ir kaip teisingai palyginti teorinius duomenis su pastebėtais duomenimis, kur mažai h gali pasireikšti labai Skirtingi keliai. Šis paskutinis punktas yra ypač svarbus, kai stebėjimai naudojami kalibruojant galaktikų susidarymo modelius, nes kalibravimas netinkamu (arba be) mažu h gali sukelti pražūtingus rezultatus, kai vėliau modelis bus paverstas teisinga h kosmologija. Mes teigiame, kad šiame šiuolaikiniame amžiuje mažas h yra anachronizmas, kuris yra vienas mažiausiai neapibrėžtų astrofizikos parametrų, ir mes siūlome, kad stebėtojai ir teoretikai šią neapibrėžtumą vertintų kaip bet kurį kitą. Pabaigoje pateikiame devynių taškų „apgaulės lapą“, kurio reikėtų laikytis nagrinėjant mažai duomenų h.


Pavadinimas

Autoriai

Paskelbimo data

Žurnalo ar knygos pavadinimas

Santrauka

Mes naudojame hidrodinamines simuliacijas, norėdami ištirti, kaip sudedami baroniniai galaktikų komponentai, daugiausia dėmesio skiriant santykinei susijungimų svarbai ir sklandžiai akrecijai formuojant

L* sistemas. Mūsų pirminiame modeliavime, kuris modeliuoja a (50 h -1 Mpc) 3 oving dominuojamos tamsiosios materijos visatos, kurioje vyrauja Λ, tūris, objektų erdvės tankis ties mūsų (64 dalelių) bariono masės skiriamosios ribos Mc = 5.4 × 10 10 M atitinka stebėtų galaktikų su L

L*/ 4. Virš šios ribos esančios galaktikos didžiąją masės dalį įgyja ne susiliejimo, o prisitaikymo būdu. Esant didžiausio masės augimo raudonajam poslinkiui, z 2, akrecija dominuoja susijungiant maždaug 4: 1. Vidutinė galaktikos prigijimo norma mažėja nuo

10 M -1 m z = 0, o suliejimo norma pasiekia didžiausią reikšmę vėliau (z 1) ir mažėja lėčiau, taigi iki z = 0 santykis yra apie 2: 1. Mes negalime atskirti tikrai sklandaus kaupimo nuo susiliejimo su objektais, kurių masės skiriamoji geba yra mažesnė, tačiau ekstrapoliuojant išmatuotą sujungiamų objektų masės spektrą, dP/dM M -α su α

1, reiškia, kad susijungus subresoliucijai, masė būtų palyginti nedidelė. Šių simuliacijų pasaulinė žvaigždžių formavimosi istorija seka masės priėmimo normą, o ne susijungimo greitį. Esant mažam raudonam poslinkiui, galaktikų sunaikinimas susijungus yra maždaug subalansuotas naujų sistemų augimu, todėl išsiskiriančių galaktikų bendras erdvės tankis išlieka beveik pastovus, nepaisant reikšmingos masės evoliucijos galaktikų po galaktikas lygiu. Numatomas susijungimų rodiklis z 1 sutinka su naujausiais artimų porų vertinimais Kanados ir Prancūzijos „Redshift“ tyrime ir Kanados „Observational Cosmology Redshift“ tyrimo tinkle.


Naudojant VELOCIraptorius¶

Velociraptor yra atskiras vykdomasis failas (su vykdomuoju pavadinimu stf (arba STructure Finder dėl istorinių priežasčių)). Jis gali būti vykdomas nuosekliai, naudojant „OpenMP“ arba „MPI“ API. Įprasta komanda paleisti kodą atrodo taip:

Sudarant „OpenMP“, nustatant aplinkos kintamąjį OMP_NUM_THREADS bus nustatytas gijų skaičius „OpenMP“ skiltyse.

Su MPI naudojant 8 MPI gijas:

čia mes manome, kad lygiagreti aplinka naudoja komandą mpirun MPI programoms paleisti. Priklausomai nuo operacinės sistemos, šiai užduočiai gali prireikti kitų komandų, pvz. srun ant kai kurių Cray mašinų. Atkreipkite dėmesį, kad kodą iš principo galima paleisti naudojant pasirinktą skaičių mpi gijų, tačiau mpi skaidymas efektyviausias esant 2 galiai.

„VELOCIraptor“ išvestį paprastai sudarys keli failai, kuriuose yra: rastų dalelių, priklausančių šioms struktūroms, tūrinių savybių ir kelių papildomų failų, kuriuose yra konfigūracijos informacija.

Vykdant MPI, šiuo metu kiekviena MPI gija rašo savo išvestį, nebent kodas sudarytas su lygiagrečia HDF5 biblioteka ir nėra reikalaujama HDF5 išvesties. Tokiu atveju rašomas vienas failas, kuriame yra duomenys iš visų siūlomų kiekvieno išvesties gijų.

Šiuo metu mpirunas daro prielaidą, kad viena struktūra gali tilpti į atminties vietą, esančią mpi gijoje. Jei didesni lauko objektai (aureolės) turi būti išpjauti taip, kad vargu ar jie tilps į vietinę atmintį, siūloma naudoti kitą mašiną. Peržiūrima, kad būtų galima naudoti parinktį „Singlehalo_search“, nustačius lauko aureoles.

Argumentai¶

Kodas turi keletą komandinės eilutės argumentų. Norėdami išvardyti argumentus, įveskite

Argumentai, kuriuos galima perduoti, yra šie:

-i & lt įvesties failo pavadinimas & gt

-s & lt failų, per kuriuos įvestis padalijama, skaičius & gt

-Aš & lt įvesties formatas [1 programėlė, 2 HDF5, 3 „Tipsy“, 4 RAMSES, 5 NCHILADA] & gt

-Z & lt lygiagrečiai skaitomų failų skaičius (kai iškviečiamas MPI) & gt

-o & lt išvesties bazės pavadinimas (tai gali būti perrašyta konfigūracijos parinktimi konfigūracijos faile. Siūloma nenaudoti šios parinkties konfigūracijos faile, naudoti aiškią komandą & gt

-C & lt konfigūracijos failo pavadinimas (žr. konfigūracijos failą) & gt

Iš šių argumentų reikia pateikti tik įvesties failą ir išvesties pavadinimą. Tokiu atveju daroma prielaida, kad yra tik 1 įvesties failas, 1 nuskaitytas mpi gija ir numatytosios visų kitų patvirtinimo parinkčių vertės. Siūlome NEBŪDUOTI kodo tokiu būdu. Vietoj to mes siūlome paleisti kodą, perduodant bent konfigūracijos failą.

Šis konfigūracijos failas yra „ascii“ failas, kuriame pateikiami raktiniai žodžiai ir reikšmės. Raktinių žodžių sąrašas kartu su aprašymu pateikiamas žemiau konfigūracijos faile. Tipiškesnė didelio kosmologinio modeliavimo komanda gali būti kažkas panašaus

Bėgimas per „swiftsim“

VELOCIraptorius taip pat gali būti iškviestas iš N kūno / hidrodinamikos kodo kaip biblioteka. Šiuo metu kodas yra integruotas į swifsim. Išsamią informaciją galite rasti swiftsim dokumentacija. Svarbiausia yra tai, kad swiftsim kodo konfigūracijos faile išvardyti VELOCIraptorius konfigūracijos failas, naudojamas paleisti VELOCIraptorius.

Išvestis¶

Čia pateikiame trumpai pateiktų standartinių duomenų produktų aprašymas VELOCIraptorius. Išsamesnę diskusiją ir keletą pavyzdžių analizės naudojant šiuos duomenų produktus rasite VELOCIraptor išvesties supratimas ir analizavimas.

Veikdamas įprastoje konfigūracijoje su tipinėmis kompiliavimo laiko parinktimis, vykdomasis failas (arba kiekviena MPI gija) sukurs kelis failus (o MPI gijos pridės savo reitingą iki failo vardo pabaigos, nebent reikalaujama lygiagrečios HDF5 išvesties). Paprastai gaminami failai yra:

.properties: failas, kuriame pateikiamos visų identifikuotų struktūrų masinės savybės.

.catalog_groups: failas, kuriame yra struktūrų dydis (pagal susietų dalelių skaičių) ir informacija, turi perskaityti velociraptor pateiktą dalelių informaciją

.catalog_particles: failas, kuriame yra struktūroje esančių dalelių ID sąrašas. Šiems duomenims analizuoti naudojama .catalog_groups esanti informacija.

.catalog_particles.unbound: panašus į catalog_particles, tačiau dalelėse išvardytos struktūros, bet formaliai nėra susietos. Šiems duomenims analizuoti naudojama .catalog_groups esanti informacija.

.profilai: byla, kurioje yra (sub) halų radialinės masės profiliai

.catalog_parttypes: failas, panašus į .catalog_particles, tačiau saugo dalelių tipą, o ne artikelio ID.

.catalog_parttypes.unbound: failas, panašus į .catalog_parttypes, bet nesusietoms dalelėms.

.extendedinfo: failas, kuriame yra papildomos informacijos apie tai, kur įvesties faile yra dalelės, kad būtų galima greitai išskirti iš minėtos dalelių grupės įvesties failo. Vis dar alfa

.catalog_SOlist: failas, kuriame yra dalelių ID sferiniame haloso perkrovos srityje.

Konfigūracijos failas¶

Konfigūracijos failo pavyzdį galite rasti pavyzdžių kataloge saugykloje (žr., Pavyzdžiui, pavyzdį). Šiame failo pavyzdyje pateikiamos visos parinktys. Bus naudojami tik čia išvardyti raktiniai žodžiai, visi kiti žodžiai / simboliai nepaisomi. Nagrinėjant galima patikrinti naudojamas galimybes foo.konfigūracija, kur foo yra jūsų bazinis išvesties failo vardas.

Šis konfigūracijos failas skirtas grynam N kūno modeliavimui paleisti, sukurti 6dfof halos, surasti pogrindį ir paskaičiuoti įvairias kiekvieno objekto savybes. Atskaitos padėtis, apie kurią apskaičiuojami dydžiai, yra minimalus objekto potencialas. Pagrindas yra subhalos, reikalaujantis maždaug susirišti su savimi (dalelėms potenciali energija gali būti 0,95 karto didesnė nei kinetinės energijos). Taip pat yra panašių konfigūracijos failų, kuriuose naudojamos 3dfof halos, viena sąranka, taip pat surandant nesurištas potvynio nuolaužas.

Ši konfigūracija yra nustatyta taip, kad būtų galima įkelti visas daleles iš hidro simo ir apskaičiuoti įvairius kiekius. Jis panašus į N kūno mėginį.

Ši konfigūracija nustatoma taip, kad būtų galima įkelti greitą momentinę nuotrauką. Jis yra panašus į N kūno mėginį, tačiau čia naudojamas 3dfof halos.

Ši konfigūracija sukonfigūruota taip, kad būtų galima įkelti greitą vandens vaizdą ir įkelti papildomą informaciją iš momentinės nuotraukos, kad būtų galima apskaičiuoti papildomus vandens / žvaigždės / bh kiekinius. Taip pat yra kitas tokios konfigūracijos su konkrečiais juodosios skylės kiekiais pavyzdys.

Taip pat pateikiami SURFS konfigūracijos failai ir: atsisiųskite: GENESIS & lt ../ pavyzdžiai / genesis2019_configuration.cfg & gt simuliacijos.

Atminkite, kad jei neteisingai parašėte raktinį žodį, jis nebus naudojamas.

Kadangi šis failas visada rašomas NEREIKIA pavadinkite savo įvesties konfigūracijos failą foo.konfigūracija.

Yra daugybė raktinių žodžių, kuriuos galima perduoti. Čia mes juos suskirstome į kelias kategorijas:

  • Lauko paieška

  • Pagrindo paieška

  • Vietinis greičio tankis

  • Pagrindinė paieška

Su įvestimi ir išvestimi susijusios parinktys

  • Pažymėjimas, nurodantis, kad įvesties modeliavimas yra kosmologinis, ar ne. Naudojant kosmologinę informaciją, nustatomos įvairios ilgio / greičio skalės, kad būtų galima nustatyti tokius dalykus kaip viruso perteklius, ilgio susiejimas.

  • Informacijos, kurią reikia perskaityti iš įvesties failo vienu ypu, kiekis (100000).

  • Sveikasis skaičius, apibūdinantis HDF duomenų rinkinio pavadinimo konvekciją. Šiuo metu įdiegtas vertes galite rasti HDF įvestyje.

  • Pažymėkite, ar faile yra tamsiosios medžiagos / N kūno dalelių įvesties faile.

  • Pažymėkite, ar faile yra dujų dalelių įvesties faile.

  • Pažymėkite, ar faile yra žvaigždžių dalelių įvesties faile.

  • Pažymėkite, ar faile yra juodosios skylės dalelių įvesties faile.

  • Pažymėkite, ar faile yra vėjo dalelių įvesties faile.

  • Pažymėkite, ar faile yra žymeklio dalelių įvesties faile.

  • Pažymėjimas, nurodantis, ar faile yra papildomų (mažos skiriamosios gebos) N kūno dalelių įvesties faile iš mastelio modeliavimo.

  • Kableliais atskirtas eilučių sąrašas, kuriame nurodomos papildomos dujų savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardytos papildomos cheminės savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardyti papildomi metalų gamybos kanalai, kuriuos galima skaityti iš HDF failo, kurio objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame pateikiamos papildomos žvaigždžių savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardytos papildomos cheminės savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardyti papildomi metalų gamybos kanalai, kuriuos galima skaityti iš HDF failo, kurio objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame pateikiamos papildomos juodos savybės, kurias reikia perskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardytos papildomos cheminės savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame išvardyti papildomi metalų gamybos kanalai, kuriuos galima skaityti iš HDF failo, kurio objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudingas būdas perduoti savybes, tokias kaip molekulinė H2 frakcija ir kt.

  • Kableliais atskirtas eilučių sąrašas, kuriame pateikiamos papildomos dm savybės, kurias reikia nuskaityti iš HDF failo, kuriai objektams apskaičiuojamas bendrasis vidurkis / visos savybės. Naudinga modifikuotoms tamsiosios medžiagos simuliacijoms, tokioms kaip tamsiosios medžiagos sunaikinimas ir savęs sąveika.

  • Sveikasis skaičius nurodant papildomų skaičių SPH blokai nuskaitomi faile, jei įvedama programėlė.

  • Sveikasis skaičius nurodant papildomų skaičių žvaigždė blokai nuskaitomi faile, jei įvedama programėlė.

  • Sveikasis skaičius nurodant papildomų skaičių BH blokai nuskaitomi faile, jei įvedama programėlė.

Išvesties bazės pavadinimas. Perrašo pavadinimą, perduotą komandinės eilutės argumentu -o. Įgyvendinamas tik siekiant visapusiškumo.

Failo pavadinimas, skirtas saugoti tarpinį vietos tankio skaičiavimo žingsnį. Tai ypač naudinga, jei kodas nėra kompiliuojamas STRUCDEN & amp HALOONLYDENAS (žr. Kompiliavimo parinktys).

Pažymėkite, ar laukų ir pogrindžių grupėms yra parašyti atskiri failai.

Pažymėkite, ar reikia sukurti failą, kuriame kiekvienai dalelei būtų nurodyta grupė, kuriai jie priklauso. Galima naudoti su gudrus formatu arba pažymėti kiekvieną dalelę.

2 save apibūdinantis HDF5 dvejetainis formatas. Rekomenduojamas.

1 neapdorotas dvejetainis.

Pažymėkite, ar gaminti išplėstą išvestį, kad būtų galima greitai išgauti daleles iš įvesties katalogo dalelių struktūrose

Pažymėjimas, nurodantis, ar dalelių ID, identifikuoti sferiniame lauko aureolių perpildyme, yra parašyti (į .catalog_SOlist). Naudinga žiūrint į dalelių evoliuciją esant sferiniams perkrovimams.

Pažymėkite, ar dalelių ID, užrašyti .catalog_particles, yra rūšiuojami pagal surišimo energiją (1) ar potencialią energiją (0).

Pažymėkite, ar dalelių ID yra parašyti (t. Y. Parašykite .catalog_ * failus). Pagal numatytuosius nustatymus yra 1. Dalelių ID failai yra būtini norint sukurti susiliejimo medžius, bet jei tik (sub) aureolių savybės, tada išjunkite.

Struktūrų paieška¶

Variantai, susiję su (sub) aureolių paieška. Bendrieji paieškos parametrai nustato daleles, kurias reikia ieškoti, ir bendrą paieškos tipą.

  • Sveikasis skaičius, apibūdinantis, kokių tipų dalelės ieškomos. Visas parinkčių sąrašas pateikiamas dalelių paieškos tipuose. Tipinės parinktys yra šios:
    • 1Viskas dalelių ieškoma

    • 2Juodoji medžiaga ieškomos dalelės (kurios paprastai yra programėlės apibrėžtos kaip 1,2,3 tipas)

    • 3 Žvaigždžių dalelės (kurios paprastai apibrėžiamos kaip programėlės 4 tipas) yra ieškomos

    • 4 Ieškomos dujų dalelės (kurios paprastai įtaisui apibrėžiamos kaip 0 tipas)

    • Sveikasis skaičius, nurodantis dujų / žvaigždžių paiešką, atliktą atskirai nuo DM paieškos.
      • 2 lauko tyrimas taip pat buvo pakeistas, kad skirtingai elgtųsi su barionais, leidžiant kaip galvos jungtis naudoti tik DM daleles (ty nuorodą dm-dm, dm-barioną, bet ne barioną-barioną ar barioną-dm). Tada DM substrato paieška su barionais, susietais su artimiausia DM dalele fazių erdvėje. Rekomenduojamas.

      • 1 lauko paieška vykdoma kaip įprasta, o po to barionų pagrindo paieška vykdoma naudojant lauko paieškoje nustatytus barionus.

      • 0 nedarykite nieko ypatingo bariono dalelėms.

      • Pažymėkite, ar lauko objektuose ieškoma vidinių konstrukcijų. Numatytasis yra 1 (įjungtas)

      • Pažymėjimas rodo, kad jokia lauko paieška nebus vykdoma, o visas tūris bus laikomas fono regionu (aureole). Naudinga ieškant substruktūrų ne kosmologinėse simuliacijose. Bet taip pat gali būti pasirinktas kitoms paieškoms, naudojant skirtingus kriterijus ir FOF algoritmus

      Parametrai, susiję su lauko (aureolės) paieška

      5 standartinis 3D FOF algoritmas

      4 standartinis 3D FOF algoritmas VYKSTA atliekant 6D FOF paiešką, naudojant greičio skalę, apibrėžtą didžiausia aureole 3DFOF grupių dalelėms

      3 standartinis 3D FOF algoritmas VYKSTA pagal 6D FOF paiešką naudojant prisitaikantis greičio skalė kiekvienai 3DFOF grupei pagal šių grupių daleles.

      Susiejimo ilgis naudojamas konfigūracijos vietos 3D FOF aureolėms rasti. Jei tada laikoma, kad kosmologinė byla yra dalelių tarpusavio atstumo vienetais, jei apkrova vienoje aureolėje gali būti pagrįsta apskaičiuotu vidutiniu dalelių tarpu, kitaip - įvesties vienetais. Tarpdėklų tarpų matavimo vienetai yra 0,2.

      6D paieškose naudojamų dispersijų dauginimo koeficientas. Tipiškos vertės yra eilės vienybė, nes greičio susiejimo ilgio skalei apibrėžti naudojamos greičio dispersijos.

      Daugybinis užsakymo vienybės faktorius, leidžiantis naudoti skirtingus konfigūracijos erdvės susiejimo ilgius tarp 3DFOF ir 6DFOF lauko paieškų. Paprastai tai yra 1.0

      6DFOF lauko paieškoje naudojamoms dispersijoms taikomas dauginimo koeficientas, tenkantis vieneto masteliui. Tipiškos vertės yra 1,25.

      Pažymėjimas, kuris išsaugo 3DFOF, jei atlikta 6DFOF lauko paieška. Tai paprastai taikoma ieškant galaktikų, nes 3DFOF galima interpretuoti kaip žvaigždžių tarp halo ir 6DFOF galaktikas.

      Sveikasis skaičius, leidžiantis lauko objektams (arba vadinamiesiems aureolėms) reikalauti kitokio minimalaus dydžio nei visų kitų elementų. Nepaisoma, jei neišlaikyta, arba & lt0, o aureolėms nustatyta reikšmė Minimum_size.

      Parametrai, susiję su pagrindo paieška

      Pastaba: numatytosios vertės yra tinkamos ir paprastai jų nereikia nustatyti konfigūracijos faile. Išimtis būtų Minimum_size

      Sveikas skaičius, nurodantis, kokio tipo FOF algoritmą naudoti. Įgyvendinami keli FOF pogrindžio kriterijai (visą sąrašą rasite FOF paieškos tipuose). Siūloma vertė yra 1, standartinis fazės ir erdvės pagrindu pagrįstas, gerai patikrintas VELOCIraptor kriterijus.

      Reikšmių, kuriuos reikia ieškoti, sigmos lygio slenkstis, kuris turėtų būti tvarkos vienetas, bet & gt 1 (numatytasis yra 2,5)

      Mažiausias pagrindo reikšmingumo lygis, kuris turėtų būti užsakymo vienetas (numatytasis nustatymas yra 1)

      Greičio santykis naudojamas susiejant daleles, kurios turėtų būti tvarkos vienetas ir & gt 1 (numatytasis yra 2)

      Kampas tarp greičių jungiantis ( ( pi ) vienetais) (numatytasis yra 0,10)

      Fizinio susiejimo ilgis, naudojamas fazės-erdvės pogrindyje FOF. Jei tada laikoma, kad kosmologinė byla yra dalelių tarpusavio atstumo vienetais, jei apkrova vienoje aureolėje gali būti pagrįsta apskaičiuotu vidutiniu dalelių tarpu, kitaip - įvesties vienetais. Tarpdėklų tarpų matavimo vienetai yra 0,1.

      Vėliava, nurodanti, ar dalelės perkeliamos į neapdorotą fono CM greičio rėmelį prieš ieškant pagrindų (numatytasis nustatymas įjungtas)

      Pažymėti, jei norite naudoti interaktyvią pogrindžio paiešką, kuri pirmiausia skirta nustatyti erdviškai kompaktiškus šalutinius kandidatų regionus, o tada sušvelninami kriterijai, kad būtų galima rasti difuzinius (fazių erdvėje) regionus, susijusius su šiomis kandidatų struktūromis (numatytasis nustatymas įjungtas)

      Veiksnys, padaugintas iš susiejimo ilgio, naudojant iteracinį metodą ir nustatant išorinius regionus, susietus su pradiniu erdviškai kompaktiškų pašalinių grupių kandidatų sąrašu. Tipiškos vertės yra „Halo_linking_length_factor“ (2.0)

      Veiksnys, padaugintas iš slenksčio, naudojant iteracinį metodą ir nustatant pašalinius regionus, susijusius su pirminiu erdvinių kompaktiškų pašalinių grupių kandidatų sąrašu. Tipiškos vertės yra tvarkos vienybė.

      Veiksnys, padaugintas iš greičio santykio, naudojant iteracinį metodą ir identifikuojant pašalinius regionus, susijusius su pirminiu erdvinių kompaktiškų pašalinių grupių kandidatų sąrašu. Tipiškos vertės yra tvarkos vienybė.

      Veiksnys, padaugintas iš atidarymo kampo, naudojant iteracinį metodą ir nustatant išorinius regionus, susijusius su pradiniu erdvinių kompaktiškų pašalinių grupių kandidatų sąrašu. Tipiškos vertės yra tvarkos vienybė.

      Mažiausias dalelių skaičius (po) struktūroje (numatytasis nustatymas yra 20).

      Konfigūracija vietiniam tankiui apskaičiuoti, naudojama substruktūroms identifikuoti

      Pastaba: numatytosios vertės yra tinkamos ir paprastai jų nereikia nustatyti konfigūracijos faile.

      2 apytikslė paieška ribojama dalelėmis halose (nereikia MPI ryšio). Rekomenduojamas.

      1 apytikslė paieška, grupės dalelės medžio lapų mazguose

      0 pilna dalelių paieška.

      Greičio kaimynų skaičius, naudojamas greičio tankiui apskaičiuoti (siūloma vertė yra 32)

      Fizinių kaimynų, kurių ieškota greičio tankiui apskaičiuoti, skaičius (siūloma vertė yra 256)

      Halos dalis, esanti tūrio dalyje, naudojama apibūdinti foną (siūloma vertė yra 0,01)

      1 standartinė fizinė Šanono entropija, subalansuotas KD medžio tūrio skaidymas į ląsteles. Rekomenduojamas

      2 fazės fazės ir erdvės Šanono entropija, subalansuotas KD medžio tūrio skaidymas į ląsteles

      3 paprastas paprastas fizinis subalansuotas KD medžio tūrio skaidymas į ląsteles

      Pagrindinės paieškos ir augimo konfigūracija.

      Tai arba identifikuoja pagrindinius DM modeliavimo susiliejimus, arba naudojami ieškant žvaigždžių galaktikoms.

        Sveikasis skaičius leidžia aiškiai ieškoti didelių 6D FOF branduolių, kurie rodo neseniai įvykusį svarbų susijungimą. Kadangi pagrindo struktūra yra apibrėžta maksimalaus langelio dydžio skalėje, o pagrindiniai susijungimai paprastai lemia du ar daugiau fazės erdvės tankius regionus, kurie yra didesnis nei langelio dydis, naudojamas pagrįstai ieškant pagrindo, juos galima nustatyti naudojant šią paiešką. Bendras tikslas yra elgtis su šiais objektais kitaip nei su apatine konstrukcija. Tačiau jei nustatytas 2, mažesnė šerdis traktuojama kaip substruktūra, o visos dalelės FOF gaubte priskiriamos šerdims, atsižvelgiant į jų fazės-erdvės atstumą iki šerdies dalelių.

          2 ieškoti branduolių ir juos auginti. Rekomenduojamas.

          0 neieškokite šerdžių.

          „Flag“ leidžia atlikti kompleksinę adaptyvią fazės ir erdvės paiešką dideliems 6D FOF šerdims ir tada naudoti šiuos susiejimo ilgius, kad būtų galima atskirti susijungimus. 0 yra paprastos didelio tankio dispersiškai šaltos šerdys, kurių greičio skalė yra prisitaikanti, 1 yra pritaikoma tiek konfigūracijos, tiek stiprintuvo greičiu.

          Vėliava leidžia vykdyti sudėtingą fazės ir erdvės susijungimo liekanų augimą (rasti 6D FOF šerdys). 0 yra priskyrimas paprasta x ir v dispersija iki artimiausios šerdies dalelės, 1 yra fazės ir erdvės tensoriaus atstumas, priskirtas šerdies CM.

          Veiksnys, taikomas susiejimo ilgiui nustatant susijungimo liekanas. Paprastai vertės yra 0,5

          Veiksnys, taikomas vietinei dispersijai, siekiant apibrėžti greičio skalę, naudojamą susijungimo liekanoms nustatyti. Paprastai vertės yra tvarkos vienybė

          Veiksnys, naudojamas nustatyti mažiausią dalelių skaičių, kurį palieka susijungimas, susideda iš dalelių skaičiaus, esančio aureole, skaičiaus ir šio koeficiento. DM reikšmės paprastai yra 0,005.

          Veiksnys, naudojamas vykdant visiškai pritaikomą pagrindinę paiešką, nurodo fizinio susiejimo ilgio plotį konfigūracijos vietos dispersijoje (pagalvokite apie tai, kiek sigmos įtraukti). Paprastai reikšmės yra 2. Tai buvo išbandyta hidrodinaminiais modeliavimais, siekiant atskirti galaktikų susijungimus.

          Leidžia pagrindinei paieškai kartoti, mažėjant naudojamiems susiejimo ilgiams, kol nustatytų branduolių skaičius pasieks nulį arba pasieks šią ribą. Leidžia patikimai atlikti apatyvinę paiešką su didesniu susiejimo ilgiu. Paprastai vertės yra 10, nors paprastai kilpos vykdomos du kartus.

          Veiksnys, pagal kurį konfigūracijos susiejimo ilgis sumažėja vykdant pagrindinės paieškos kilpas. Paprastai vertės yra 0,75

          Veiksnys, pagal kurį sumažėja greičio susiejimo ilgis vykdant kilpas pagrindinei paieškai. Paprastai reikšmės yra 1.

          Veiksnys, pagal kurį keičiamas mažiausias grupės dydis vykdant pagrindinės paieškos kilpas. Paprastai vertės yra užsakymo vienybė ir amp & gt 1.

          Svarba, kurią turi turėti šerdis, atsižvelgiant į fazės ir erdvės atstumą, išdėstytą dispersijomis (sigma). Tipiškos vertės yra užsakymo vienybė ir amp & gt 1.

          Konfigūracija, skirta valyti pagrindinius elementus, kurie sutampa fazių erdvėje.

          Substruktūras galima sujungti, jei jos sutampa fazių erdvėje.

          Fazinis atstumas, normalizuotas dispersijomis, žemiau kurių struktūros sujungiamos. Tipiškos vertės yra & lt 1.

          Pažymėti, ar taip pat patikrinti struktūras, galima sujungti su pagrindinio kompiuterio fonu. 1 yra įjungtas.

          Atsiejama¶

          Struktūrose esančias daleles galima patikrinti, ar jos yra surištos, palyginti su kinetiniu atskaitos rėmu (struktūros CM). Tai valo (sub) struktūras nuo netikrų daiktų ir dalelių.

          • Pažymėkite, ar substruktūros praėjo neįpareigojančią tvarką.

          • Sveikasis skaičius nustatant naudojamus privalomus kriterijus. Arba tiesiog pašalinkite daleles, kurios laikomos „nesurištomis“ (1), tai yra tie, kurių ( alfa T + W & gt0 ) suteikia Allowed_kinetic_potential_ratio, arba (0) papildomai pašalina „nesurištas“ ir mažiausiai surištas daleles, kol sistema taip pat turi tikrąją surištą dalį & gt Min_bound_mass_frac.

          • Kinetikos ir potencialios energijos santykis, kai dalelė vis dar laikoma susieta, ty: dalelė vis tiek yra susieta, jei ( alfa T + W & lt0 ), taigi ( alfa = 1 ) būtų standartinis nesusijimas ir ( alfa & lt1 ) leidžia nustatyti nesurištas potvynio nuolaužas. Turint omenyje VELOCIraptorius buvo sukurta atoslūgių srautams nustatyti, nėra prasmės nustatyti šį dydį į 1, nebent to aiškiai reikalaujama. Atkreipkite dėmesį, kad kodas vis tiek atskiria daleles susietomis ir nesurištomis. Panašu, kad ( alfa geq 0.2 ) vertės sumažina melagingų teigiamų teigiamų medžiagų kiekį potvynio nuolaidose, tačiau vis tiek nustatomos visiškai nesurištos potvynio nuolaužos.

          • Mažiausias dalelių, kurios turi būti susietos, dalis. Jei norite nustatyti potvynio nuolaužas, ues vertes 0,2, savarankiškai susirišusioms konstrukcijoms, naudokite ( gtrsim 0.5 )

          • Sveikasis skaičius, kuris nepaiso lauko struktūrų (aureolių) ribų (0), patikrina, ar jie yra savarankiški tik anksčiau (1) arba po (2) buvo identifikuoti ir išgauti iš aureolės substruktūros. Reikalaujantis ribos po pagrindo konstrukcijos paieškos gali sukelti įdomių pasekmių, nes gali būti, kad daugkartinis susijungimas pasirodys kaip vienas FOF aureolė, tačiau visi su visais šerdimis pašalinami, FOF aureolė iš tikrųjų yra nesurišta struktūra.

          • Pažymėkite, ar tikrinant, ar struktūra yra susieta, kandidato struktūrą vertinti atskirai, nuolat atnaujinti potencialą ar palikti antrinį potencialą. fonas jūra. Randant potvynio nuolaužas, naudinga išlaikyti foną. ref Options.uinfo & amp ref UnbindInfo.bgpot n

          • Sveikasis skaičius, nustatantis kinetinį rėmą nustatant, ar dalelė yra susieta. Pagal numatytuosius nustatymus reikia naudoti masės centro greičio rėmą (0), bet taip pat galima naudoti sritį, esančią aplink minimalų potencialą (1).

          • Mažiausias dalelių skaičius, naudojamas apskaičiuojant minimalaus potencialo greitį (numatytasis nustatymas yra 10).

          • Dalelių dalis, naudojama apskaičiuojant minimalaus potencialo (0,1) greitį. Jei jis yra mažesnis nei Min_npot_ref, tai naudojama.

          • Didžiausia nesurištų dalelių dalis, pašalinta per iteraciją per įrišimo procesą.

          • Didžiausia dalelių dalis, kuri gali būti laikoma nesurišta, kol grupė visiškai pašalinta ir nėra apdorojama iteratiškai.

          • Maksimali nesurištų dalelių dalis, kurią leidžiama surišti. Nustačius nulį, visos nesurištos dalelės pašalinamos.

          • Apskaičiuokite potencialus naudodami žymiai greitesnį apytikslį metodą (kuris, naudojant standartinius nustatymus, turi erorr 1e-3). Numatytasis yra 0 (išjungtas).

          • Norėdami apskaičiuoti gravitacinį potencialą, naudokite 0,1 visų objekte esančių dalelių (reikšmės & lt0,01 gali sukelti didesnių klaidų, & gt0,2 vertės skaičiavimai nebus žymiai greitesni už standartinius skaičiavimus).

          • Apytiksliu metodu naudokite mažiausiai 5000 dalelių. Apytikslis metodas turėtų būti naudojamas tik gerai išspręstiems objektams, nes klaida didėja, kai objektai yra mažiau išspręsti, o greitis nėra toks reikšmingas.

          Savybės¶

          Konfigūracijos parinktys, susijusios su apskaičiuotomis masinėmis savybėmis.

          • Žymelė, nurodanti, ar lauko objektams skaičiuojamos imtinės masės.
            • 3 nurodo, kad imtinos SO masės apskaičiuojamos radus pamatinę konstrukciją.

            • 2 rodo, kad imant SO masės yra apskaičiuojamos prieš surandant pagrindą.

            • 1 rodo, kad imtinos SO masės apskaičiuojamos prieš randant pagrindą, tačiau apsiriboja halo dalelėmis.

            • 0 rodo, kad masės yra išskirtinės.

            • Vėliava, nurodanti, ar pakartotinai rasti objekto masės centrą (1), ar tiesiog nustatyti masės masės centrą ir masės greičio centrą (0). Skaičiavimas atliekamas pagal visas daleles, priklausančias tik objektui.

            • Pažymėkite, kokią atskaitos padėtį naudoti apskaičiuojant radialiai priklausomas savybes.
              • 2 naudokite dalelės padėtį su minimaliu potencialu.

              • 1 naudokitės labiausiai surištos dalelės padėtimi.

              • 0 naudokite masės centrą.

              • Vėliava, nurodanti, kad reikėtų apskaičiuoti daugiau objektų savybių, tokių kaip kampinis impulsas sferinėse perpildymo angose.

              • Vėliava, nurodanti, kad be papildomų halo savybių skaičiavimo, taip pat apskaičiuokite dujų kiekį sferinėse perpildymo angose ​​ir jų kampinį impulsą. Turi būti naudojamas kartu su „Extensive_halo_properties_output = 1“.

              • Vėliava, nurodanti, kad be papildomų aureolių savybių skaičiavimo, taip pat apskaičiuokite žvaigždžių kiekį sferinėse perpildymo angose, taip pat jų kampinį impulsą. Turi būti naudojamas kartu su „Extensive_halo_properties_output = 1“.

              • Pažymėkite, ar reikia apskaičiuoti su diafragma susijusias mases, dispersijas, metalizmą

              • Sferinių angų skaičius

              • Kableliais atskirtas kpc reikšmių sąrašas

              • Projektuojamų angų skaičius. Kodas apskaičiuoja 3 projekcijas vienoje diafragmoje: x, y, z.

              • Kableliais atskirtas kpc reikšmių sąrašas

              • Sferinių perkrovų skaičius

              • Kableliais atskirtas sferinių perkrovos ribų sąrašas kritinio tankio vienetais kosmologinėse modeliavimuose

              • Flag on whether to calculate radial profiles of masses

              • Flag setting the radial normalisation and scaling. Default is log rad bins, in proper kpc

              • Number of bin edges listed. Assumes lowest bin edge is r=0.

              • Comma separated list of (log) r bin edges. Here example is for log r in proper kpc binning so values are log(r).

              Configuration for Extra Properties

              These are configuration options related to the bulk properties calculated based on extra properties of the particles. For instance, if hydro particles have a field called Turbulence that contains some quantity of the internal turbulent energy and one wanted to calculate the average of this value for an object, one would use these options to load data from an HDF5 file (other inputs are not so easily parsed, making this not an option). One needs to provide what calculation to do (in the form of an integer flag specifying the calculation) and a string indicating the units. If the input is in the form of a 2D array from which a particular column is to be used, one can also set an index. The result is sorted in an output field that contains the name of the input field, the index (if >0), and a simple string describing the function and ending with particle type, ie: Turbulence_average_gas These config options are combinations of particle type, categories and entry types. A full entry must be provided in a comma separated list and terminate in a comma.


              Beyond Appearance: revealing the physics of galaxy transformation

              • APA
              • Author
              • BIBTEX
              • Harvardas
              • Standartinis
              • UIP
              • Vankuveris

              Research output : Contribution to journal › Article

              T1 - Galaxy cold gas contents in modern cosmological hydrodynamic simulations

              N2 - We present a comparison of galaxy atomic and molecular gas properties in three recent cosmological hydrodynamic simulations, namely SIMBA, EAGLE, and IllustrisTNG, versus observations from z ∼0 to 2. These simulations all rely on similar subresolution prescriptions to model cold interstellar gas that they cannot represent directly, and qualitatively reproduce the observed z ≈ 0 H i and H2 mass functions (HIMFs and H2MFs, respectively), CO(1-0) luminosity functions (COLFs), and gas scaling relations versus stellar mass, specific star formation rate, and stellar surface density μ∗, with some quantitative differences. To compare to the COLF, we apply an H2-to-CO conversion factor to the simulated galaxies based on their average molecular surface density and metallicity, yielding substantial variations in αCO and significant differences between models. Using this, predicted z = 0 COLFs agree better with data than predicted H2MFs. Out to z ∼2, EAGLE's and SIMBA's HIMFs and COLFs strongly increase, while IllustrisTNG's HIMF declines and COLF evolves slowly. EAGLE and simba reproduce high-LCO(1-0) galaxies at z ∼1-2 as observed, owing partly to a median αCO(z = 2) ∼1 versus αCO(z = 0) ∼3. Examining H i, H2, and CO scaling relations, their trends with M∗ are broadly reproduced in all models, but EAGLE yields too little H i in green valley galaxies, IllustrisTNG and SIMBA overproduce cold gas in massive galaxies, and SIMBA overproduces molecular gas in small systems. Using SIMBA variants that exclude individual active galactic nucleus (AGN) feedback modules, we find that SIMBA's AGN jet feedback is primarily responsible by lowering cold gas contents from z ∼1 → 0 by suppressing cold gas in $M_∗gtrsim 10^<10>< m ,M>_odot$ galaxies, while X-ray feedback suppresses the formation of high-μ∗ systems.

              AB - We present a comparison of galaxy atomic and molecular gas properties in three recent cosmological hydrodynamic simulations, namely SIMBA, EAGLE, and IllustrisTNG, versus observations from z ∼0 to 2. These simulations all rely on similar subresolution prescriptions to model cold interstellar gas that they cannot represent directly, and qualitatively reproduce the observed z ≈ 0 H i and H2 mass functions (HIMFs and H2MFs, respectively), CO(1-0) luminosity functions (COLFs), and gas scaling relations versus stellar mass, specific star formation rate, and stellar surface density μ∗, with some quantitative differences. To compare to the COLF, we apply an H2-to-CO conversion factor to the simulated galaxies based on their average molecular surface density and metallicity, yielding substantial variations in αCO and significant differences between models. Using this, predicted z = 0 COLFs agree better with data than predicted H2MFs. Out to z ∼2, EAGLE's and SIMBA's HIMFs and COLFs strongly increase, while IllustrisTNG's HIMF declines and COLF evolves slowly. EAGLE and simba reproduce high-LCO(1-0) galaxies at z ∼1-2 as observed, owing partly to a median αCO(z = 2) ∼1 versus αCO(z = 0) ∼3. Examining H i, H2, and CO scaling relations, their trends with M∗ are broadly reproduced in all models, but EAGLE yields too little H i in green valley galaxies, IllustrisTNG and SIMBA overproduce cold gas in massive galaxies, and SIMBA overproduces molecular gas in small systems. Using SIMBA variants that exclude individual active galactic nucleus (AGN) feedback modules, we find that SIMBA's AGN jet feedback is primarily responsible by lowering cold gas contents from z ∼1 → 0 by suppressing cold gas in $M_∗gtrsim 10^<10>< m ,M>_odot$ galaxies, while X-ray feedback suppresses the formation of high-μ∗ systems.


              2. Numerical Method and Optimizations

              We begin with a brief overview of the methodology employed by the cosmological code CUBEP 3 M used in this study. The text presented here is meant to provide background information that will augment the code optimizations described in the proceeding subsections. We refer the reader to previousworks (Harnois-Déraps et al. 2013 Inman et al. 2015) for a more thorough analysis of the code structure and technical algorithms relevant to both the pure CDM and neutrino cases.

              Cosmological simulations are parameterized by the physical volume they resolve and the number of particles they contain. The volume is generally represented as a periodic cube of side length L and the number of particles expressed as an integer cubed, .

              In the case of CUBEP 3 M, the domain is decomposed into cubes of equal volume, with each cube assigned to a single MPI task. With this setup, the number of MPI tasks assigned to the problem is constrained to be a cubed integer, . We refer to this top level of cubic domain decomposition as nodes since the usual operation of the code assigns one MPI task per compute node. Within each node exists a second level of cubic subdivision, into equal volume elements called tiles. Calculations within each node's volume are done simultaneously over tiles using OpenMP threads, as described in more detail below. The user is free to choose the number of tiles within each node, with the ideal strategy to make this an integer multiple of the number of threads available to each MPI task. Figure 1 shows a two-dimensional representation of the decomposition into tiles within a single MPI domain.

              Fig. 1 Two-dimensional representation of the domain decomposition into tiles within a single node (i.e., MPI task) of the overall simulation. In this example, we split the node into two tiles per dimension, with boundaries of the tiles denoted by solid black lines. The extents of the short-range PMforce and PP force (see text) are constrained within the range of an individual tile so that OpenMP threads can be used to cycle over all tiles on a node. A small buffer region (indicated by dotted grey lines) is used to ensure accurate force calculation near tile boundaries. The solid blue line highlights the bottom left tile with its corresponding buffer highlighted in red. MPI communications are minimized by requiring their use only during the long-range PM force calculation and at the end of each time step when particles are passed between neighboring nodes.

              The objective of cosmological simulations is to evolve particles from an initial configuration at an early cosmic time to the present epoch. At each time step, the key quantity to compute is the three-dimensional gravitational force field. This is achieved in CUBEP 3 M using both PM and PP methods. Hybrid codes combining multiple force schemes like this are common in cosmological applications. Another common choice is to substitute a tree algorithm in place of the PM method used here. We opt for a PM method since it is much faster for nearly homogeneous particle distributions, as is especially the case with cosmological neutrinos. Additional advantages of the PM method over tree algorithms include reduced memory overhead and ease of parallelizability. The PP force increases resolution below the mesh scale where the PM force loses range.

              In the PM scheme, the gravitational force is found by solving the Poisson equation

              Here is the gravitational potential at spatial (comoving) coordinate x, ρ is the matter density field and G yra gravitacinė konstanta. The density field is computed by interpolating particles onto a uniform cubic mesh containing cells. The result is then Fourier transformed and the potential is solved via

              kur k is a Fourier mode. The gravitational force in Fourier space is related to the potential as

              kur m is the particle mass and i is the imaginary unit. The three components of force in real space are obtained from three inverse Fourier transforms of Equation (3).

              CUBEP 3 M splits the PM force computation into two terms: a long-range force term and a short-range force term. The former is computed on a coarse mesh containing cells 2 while the latter uses a mesh that is a factor of 4 times finer in each dimension. The long-range force is solved over the global simulation volume using Fourier transforms evaluated in parallel over all MPI tasks while the latter is solved on the local mesh of each individual tile. This approach minimizes MPI communication where coarse resolution elements are sufficient in the long-range force calculation while maintaining high resolution on the small scales that depend only on rank-local shared memory.

              The utility of the PM scheme is its speed, with the Fourier transforms being order . The downside is the force is heavily suppressed below the mesh scale. In CUBEP 3 M, this is remedied by appending the short-range PM force with a PP force calculation below the grid scale. The PP force is evaluated using a direct pairwise summation

              kur Fi is the force on particle i at spatial location xi. The sum is performed over all particles within the same grid cell as particle i and is of order where ηP is the typical number of particles within one cell of the short-range interpolation mesh. In order to avoid artificial scattering in the N-body problem, the PP force is truncated below some chosen scale called the softening length, rsoft.

              In CUBEP 3 M, the softening length is normally chosen to be 0.05 times the average inter-particle spacing that is, rsoft = L/(20nP).


              How is the Hubble constant $H_0$ determined from gravitational waves? [closed]

              Want to improve this question? Update the question so it's on-topic for Physics Stack Exchange.

              I’ve already posted this question on the Astronomy stackexchange, but now I see I can post it here too (since there is a tag cosmology and the community is larger here). If this isn’t allowed, please remove. Sorry then!

              We know there is a discrepancy between the results for $H_0$ . On one side there is the method of the Planck mission, where they use the CMB and the Lambda-CDM model to determine the hubble constant. On the other side, they use standard candles, like Cepheids (for example: Riess et al., 2019) and Red Giants (for example: Freedman et al., 2020). The very precise measurements don’t overlap and thus we need a ‘solution’.

              One way to improve our knowledge about $H_0$ is by using gravitational waves to determine the Hubble constant (Feeney et al.). They compare the measured ‘strength’ of the gravitational wave with the ‘strength’ of the wave when it was created to determine the distance to the source object. But how do they calculate/determine the ‘strength’ of the wave at the source? I know they also use an EMS observation for calculating the redshift (and that redshift converted to radial velocity divided by the distance gives $H_0$ ), but from where do they calculate the source-‘strength’ of the gravitational wave? How can they otherwise determine how much energy the wave has lost? I can’t seem to find the answer.


              Lenstronomy.Cosmo.lens_cosmo module¶

              class to manage the physical units and distances present in a single plane lens with fixed input cosmology

              convert redshift into scale factor :param z: redshift :return: scale factor

              convert angular to physical quantities for lens plane :param arcsec: angular size at lens plane [arcsec] :return: physical size at lens plane [Mpc]

              convert angular to physical quantities for source plane :param arcsec: angular size at source plane [arcsec] :return: physical size at source plane [Mpc]

              dd ¶

              Returns:angular diameter distance to the deflector [Mpc]
              dds ¶
              Returns:angular diameter distance from deflector to source [Mpc]
              ddt ¶
              Returns:time delay distance [Mpc]
              ds ¶
              Returns:angular diameter distance to the source [Mpc]
              h ¶ kappa2proj_mass ( kappa ) [source] ¶

              convert convergence to projected mass M_sun/Mpc^2 :param kappa: lensing convergence :return: projected mass [M_sun/Mpc^2]

              mass_in_coin ( theta_E ) [source] ¶

              Parameters:theta_E – Einstein radius [arcsec]
              Returns:mass in coin calculated in mean density of the universe
              mass_in_theta_E ( theta_E ) [source] ¶

              mass within Einstein radius (area * epsilon crit) [M_sun] :param theta_E: Einstein radius [arcsec] :return: mass within Einstein radius [M_sun]

              returns the NFW parameters in physical units

              returns virial radius in angular units of arc seconds on the sky

              Parameters:M – physical mass in M_sun
              Returns:angle (in arc seconds) of the virial radius
              nfw_angle2physical ( Rs_angle, alpha_Rs ) [source] ¶

              converts the angular parameters into the physical ones for an NFW profile

              • alpha_Rs – observed bending angle at the scale radius in units of arcsec
              • Rs – scale radius in units of arcsec

              converts the physical mass and concentration parameter of an NFW profile into the lensing quantities

              • M – mass enclosed 200 rho_crit in units of M_sun (physical units, meaning no little h)
              • c – NFW concentration parameter (r200/r_s)

              Rs_angle (angle at scale radius) (in units of arcsec), alpha_Rs (observed bending angle at the scale radius

              convert physical Mpc into arc seconds :param phys: physical distance [Mpc] :return: angular diameter [arcsec]

              returns the critical projected lensing mass density in units of M_sun/Mpc^2 :return: critical projected lensing mass density

              returns the critical surface density in units of M_sun/arcsec^2 (in physical solar mass units) when provided a physical mass per physical Mpc^2 :return: critical projected mass density

              converts the velocity dispersion into an Einstein radius for a SIS profile :param v_sigma: velocity dispersion (km/s) :return: theta_E (arcsec)

              converts the lensing Einstein radius into a physical velocity dispersion :param theta_E: Einstein radius (in arcsec) :return: velocity dispersion in units (km/s)

              • fermat_pot – in units of arcsec^2 (e.g. Fermat potential)
              • kappa_ext – unit-less external shear not accounted for in the Fermat potential

              converts the anguar parameters entering the LensModel Uldm() (Ultra Light Dark Matter) class in physical masses, i.e. the total soliton mass and the mass of the particle :param kappa_0: central convergence of profile :param theta_c: core radius (in arcseconds) :return: m_eV_log10, M_sol_log10, the log10 of the masses, m in eV and M in M_sun

              uldm_mphys2angular ( m_log10, M_log10 ) [source] ¶

              converts physical ULDM mass in the ones, in angular units, that enter the LensModel Uldm() class :param m_log10: exponent of ULDM mass in eV :param M_log10: exponent of soliton mass in M_sun :return: kappa_0, theta_c, the central convergence and core radius (in arcseconds)


              5. Physical Complications and Future Simulations

              5.1. Fragmentation in Primordial Star Formation

              As discussed above, a number of works have shown the accretion disk around a Pop III protostar to be prone to fragmentation (Clark et al., 2011 Greif et al., 2012). While it seems that a majority these fragments are re-accreted onto the primary object, a fraction may be ejected from the system to become low mass Pop III stars. These calculations have been limited by the extreme computational expense of following this and further stages in the evolution of the protostar. At the densities where fragmentation has been observed (n㸐 19 cm 𢄣 ), chemical and hydrodynamic timescales become extremely short and the core is optically thick to its own cooling radiation. Later works have carried the torch forward by making sacrifices elsewhere. Hirano et al. (2014) introduced a method where Pop III-forming halos are excised from cosmological simulations and mapped into axisymmetric coordinates to be further evolved with a 2D radiation-hydrodynamics code. Hosokawa et al. (2016) improved on this with 3D rad-hydro simulations in spherical coordinates coupled to a stellar evolution code to model radiative output from the central zone. This is a significant advance, but as of the publication of that work, the simulations had not reached the resolution required for convergence. Additionally, the spherical geometry limits this approach to only following a single protostar and so cannot capture the evolution of any surviving clumps.

              5.2. Chemical Enrichment

              The PopIIPrime simulation showed that the external enrichment mechanism is a viable scenario for the formation of very low metallicity stars. In particular, this mechanism is important for explaining the origins of hyper metal-poor stars like SMSS J031300.36-670839.3 (Keller et al., 2014), which has an iron abundance of less that 10 𢄧 of the solar value and appears consistent with enrichment from a single supernova. However, the frequency of such events is still not known. As well, what are the rates and eras of relevance for other mechanisms, like self-enrichment and the accretion of pre-enriched IGM during halo assembly? The Renaissance Simulations can provide a large enough sample from which to make statistical measurements, but their resolution is not high enough to capture the smallest Pop III minihalos of about 1 0 5 M ⊙ . This leaves two challenges: (1) for larger simulations at the resolution of Pop2Prime that run past the first metal-enriched star, and (2) for a larger pool of researchers to mine the wealth of data available in works like the Renaissance Simulations. The response to the first is a relatively straightforward technical challenge for software and hardware. The second challenge is motivated by the large volume of complex data produced by cutting-edge simulations. Data releases by the consortia that run the simulations is becoming more commonplace (see section 6.2).

              5.3. Radiation Backgrounds

              Another physical complication is the role of X-rays from accreting compact objects (neutron stars, black holes) produced by the first stars and galaxies on the early intergalactic medium. Because X-rays have long mean free paths, an early population of X-ray sources will build up an X-ray background that will preionize and preheat the IGM, potentially modifying its ability to cool and form stars (Machacek et al., 2003 Ricotti and Ostriker, 2004 Kuhlen and Madau, 2005). The major uncertainty is the source population. In the modern universe there are three astrophysical sources of X-rays that are well studied: active galactic nuclei, X-ray binary systems, and supernova remnants. Their relative importance as sources of X-rays in the early universe is poorly constrained by observations at the present time (Fialkov et al., 2017), leaving this a topic for speculation and simulation. One interesting possibility explored by Hao Xu et al. is that if some significant fraction of Pop III stars form in binary systems, as appears to be indicated by simulations (cf. section 3.1), they will evolve to form high mass X-ray binary systems (HMXB). Xu et al. (2014, 2016a) showed that because Pop III star formation begins at high redshift and is ongoing to at least z = 7.6, a significant hard X-ray background (Eγϡ keV) is produced and redshifts to lower energies where it is absorbed and heats the IGM. Xu et al. (2016a) estimated the additional X-ray heating could be several hundred K by z = 6. Future high redshift 21cm observations will probe the thermal history of the IGM during the Cosmic Dawn, thereby helping to constrain the X-ray source population. Interpreting the observations will require detailed numerical simulations complementing semi-analytic approaches (Furlanetto et al., 2009 Fialkov et al., 2014a).

              5.4. Magnetiniai laukai

              The theoretical literature on magnetic fields in the young universe is vast, and beyond the scope of this review. Here we focus on one specific topic that has received some attention, and for which some consensus has emerged. Namely, the role of magnetic fields in the formation of the first stars. The earliest simulations of Pop III star formation ignored the role, indeed the presence, of magnetic fields entirely. This stands in contrast to modern day star formation theory, where magnetic fields have been argued to have an important if not dominant role (Shu et al., 1987 McKee and Ostriker, 2007). The rationale for omitting magnetic fields was not simply one of convenience. It was argued that because Pop III star formation started from pristine initial conditions, unperturbed by previous generations of star formation and other astrophysical processes, one could ignore them because they were not present. However, this overlooked the possibility that minute seed fields pervading the universe from some early magneto-genesis process could be amplified by turbulence in the protostellar cloud, potentially modifying the dynamics of collapse and fragmentation. Moreover Kulsrud et al. (1997) argued that even in the absence of primordial seed fields, structure formation itself will generate seed fields via the Biermann battery mechanism, and that these will be quickly amplified to equipartition with the turbulent kinetic energy in the protogalactic cloud.

              To investigate this possibility, Xu et al. (2008) carried out the first self-consistent AMR MHD simulations of Pop III star formation including the Biermann battery source term. The simulations were performed with the Enzo code, and were similar in design and dynamic range to the earlier simulations of Abel et al. (2002) and O'Shea and Norman (2007). Xu et al. found that from an initial state with no magnetic fields, a combination of the Biermann battery and compressional amplification can result in fields with strengths of 10 𢄩 G at n = 10 10 cm 𢄣 at the center of a cosmological halo where a Pop III star will form. At these strengths, the B-field are dynamically unimportant. As this was the highest density obtained in the simulation, the dynamical importance of B-fields during later stages of collapse could not be addressed. In parallel investigations Banerjee et al. (2012) and Turk et al. (2012) showed that the Xu et al. simulations had inadequate spatial resolution to adequately capture the turbulence in the halo's core, and that when higher resolution was used, substantially higher peak magnetic field strengths resulted. They showed that a minimum resolution threshold is required to show any turbulent amplification at all, and that above this threshold the amplification growth rate is resolution-dependent. This motivated Schober et al. (2012) to approach the issue theoretically. Using the Kazantsev theory, which describes the so-called small-scale dynamo, they calculated the growth rate of the small-scale magnetic field for conditions appropriate to primordial halos. They confirmed what previous simulations had indicated: that assuming a seed field provided by the Biermann battery mechanism, small scale fields are amplified rapidly and can become dynamically important locally. They state that such fields are likely to become relevant after the formation of a protostellar disk and, thus, could influence the formation of the first stars and galaxies in the universe. Given what was said above about the uncertain fragmentation of the disk, this adds another layer of complexity to the subject, and calls out for detailed numerical investigation.

              5.5. Dust

              Dust is a complicating factor throughout astronomy with a wealth of literature and effort devoted to it. In the context of simulations of the high redshift universe, dust plays an important role in chemistry and cooling of low metallicity gas and is a source of opacity for stellar radiation. If the dust-to-gas ratio scales with the gas-phase metallicity, then the presence of dust can significantly enhance the formation of H2 in star forming gas for metallicities as low as 1 0 - 4 Z ⊙ and induce fragmentation in collapsing gas down to 1 0 - 5 . 5 Z ⊙ (Omukai, 2000). However, there is room for significant improvement in the modeling of dust at high redshift by taking into account dust production and size distributions from Pop III supernova models (e.g., Schneider et al., 2012) as well as dynamic evolution of the grain population (Chiaki et al., 2015), just as two examples. One of the challenges presented by improved modeling of dust grains is, of course, the technical one, in that the increased complexity comes at a greater computational cost. Though, perhaps a greater challenge is how the advances presented by works like those above can be incorporated into openly available simulation machinery and made available to research community. Some potential solutions to this are discussed below.

              5.6. Dark Matter Physics

              The matter power spectrum on small scales, and how dark matter interacts in bound structures, has a profound influence on early structure formation and therefore when and how Cosmic Dawn begins. An excellent discussion of this is found in Greif (2015). Here we summarize the main points. The most explored alternative to ΛCDM is the gavitino warm dark matter model (WDM), which truncates the matter power spectrum below a spatial scale determined by the particle mass. A mass below ~ 1 keV is ruled out observationally as it would suppress the Lyman-α forest. Yoshida et al. (2003b) showed that a mass of 10 keV would entirely suppress the formation of minihalos of mass 縐 6 M⊙ at high redshift, delaying the formation of Pop III stars until more massive dark matter assemblies form. O'Shea et al. (2006) examined this further using Enzo for a range of WDM particle masses 10 keV ≤ mWDM ≤ 50 keV, and found that Pop III stars form substantially later than the mWDM = ∞ case via filament fragmentation. Importantly, however, they found that once primordial gas exceeds 10 5 cm 𢄣 it cools and collapses identically to the CDM simulations. More recent work cited by Greif (2015) have confirmed these results.

              Maio and Viel (2015) and Dayal et al. (2017) have shown that the early suppression of minihalos in light WDM particle scenarios has a cascading effect on subsequent structure formation, reducing star formation rate densities for Pop III and II, shifting the galaxy luminosity function, and potentially delaying reionization. They argue that the entire Cosmic Dawn era is a sensitive probe of dark matter physics. A running spectral index of the primordial power spectrum that suppresses power on small scales has a similar effect (Somerville et al., 2003). Villanueva-Domingo et al. (2018) have recently simulated reionization in a WDM cosmology, and caution that any conclusions on the nature of dark matter derived from reionization observables remain model-dependent.

              On the flip side, sterile neutrino dark matter may produce X-rays that enhance the formation of H2 in minihalos, facilitating Pop III star formation (Biermann and Kusenko, 2006). Additionally, quintessence models with an evolving dark energy equation of state that satisfy observational constraints may have more dark matter minihalos at high redshift compared to ΛCDM (Maio et al., 2006).

              A current laboratory for testing alternative dark matter models is Local Group dwarf galaxies (Bullock and Boylan-Kolchin, 2017). Given that it is generally believed that satellites of massive galaxies like the Milky Way are relics from the Cosmic Dawn, this may be the best place to do this. A variety of alternative dark matter models are being explored: self-interacting dark matter (SIDM e.g., Elbert et al., 2015), fuzzy dark matter (FDM e.g., Hui et al., 2017), and others. Insights obtained in the Local Group are being transferred to the high redshift universe (e.g., Lovell et al., 2018). With improved observations promised at both ultra-low and high redshifts, this is a stimulating time to be working in this subject.

              5.7. Supersonic Streaming Effect

              The final physical complication we will discuss concerns the so-called supersonic streaming effect on the earliest generations of Pop III star formation. This relatively recent development in the theory of early structure formation was stimulated by a paper by Tseliakhovich and Hirata (2010), who showed that baryon acoustic oscillations (BAO) would result in a supersonic velocity offset between baryons and dark matter sufficient to alter how gas accretes into minihalos and possibly suppress the formation of the first bound objects that produce Pop III stars. The effect involves a quadratic term in the cosmological perturbation theory equations that was not included in studies based on linear perturbation theory. They showed that the effect leads to qualitative changes in the spatial distribution of the dark matter minihalos themselves, such as introducing scale-dependent bias and stochasticity. Naturally, this paper has generated a lot of interest among the high redshift structure formation community, and a cascade of follow-on investigations have resulted. As this is still a relatively new topic, many issues remain to be explored, and no broad consensus has emerged about the significance of the effect on later stages of structure formation. However, concerning the earliest stages of structure formation, some interesting results have been achieved, which can broadly be classified as small-scale effects and large-scale effects.

              5.7.1. Small-Scale Effects

              The small-scale effects concern the accretion of baryons into dark matter mini-halos in the presence of a supersonic velocity offset of the baryons relative to the dark matter. This has been simulated by several groups using high resolution cosmological simulations with somewhat divergent results. Stacy et al. (2011) performed SPH simulations initialized at redshift 100 with a range of relative streaming velocities and minihalo formation redshifts, and found that the typical streaming velocities have little effect on the gas evolution. They found that once the collapse begins, the subsequent evolution of the gas is nearly indistinguishable from the case of no streaming, and star formation will still proceed in the same way, with no change in the characteristic Pop III stellar masses. Conversely, Greif et al. (2011b) performed a series of higher-resolution moving-mesh calculations and show that these supersonic motions significantly influence the virialization of the gas in minihalos and delay the formation of the first stars by Δzߤ. In addition, the streaming velocities increases the minimum halo mass capable of cooling by a factor of 3, which is partially responsible for the delay. They point out that becasue of the steepness of the halo mass function, that may reduce the number of minihalos capable of forming Pop III stars by an order of magnitude. Subsequent works by Richardson et al. (2013) and Naoz et al. (2012, 2013) find similar results to those of Greif et al. and conclude the effect is strongest for minihalos in the mass range M / M ⊙ < 1 0 6 but becomes negligible above a halo mass of 1 0 7 M ⊙ . We note in passing that a strong Lyman-Werner background suppresses H2 formation and cooling over the same halo mass range, and so these effects must be considered together before we have a complete understanding of the earliest stages of Pop III star formation. This becomes a severe numerical challenge because of large scale effects, discussed next.

              5.7.2. Large-Scale Effects

              The large-scale effects derive from the fact that the BAO modes which are responsible for the streaming velocities are themselves large-scale. The analysis of Tseliakhovich and Hirata (2010) showed that the streaming effect is negligible below several Mpc and above several 100 Mpc, but shows power everywhere in between. This means the streaming velocities are coherent on scales of a few Mpc–much larger than a minihalo's Lagrangian volume𠄻ut different in magnitude and direction on larger scales. The consequence is that the way in which minihalos form, accrete baryons, and cool to form Pop III stars is modulated on a range of scales between a few and a few hundred Mpc (comoving), with implications on formation epoch, spatial clustering, and radiative feedback to the IGM. In particular, the high redshift 21 cm signal, which is sensitive to the gas temperature, may show structure on these scales due to the spatial modulation of how sources form on these scales. The most comprehensive large-scale models taking this effect into account, albeit in a semi-analytic way, are those of the group of Fialkov et al., as recently reviewed by Barkana (2016) and Fialkov et al. (2017). Beyond the direct impact on 21 cm and reionization, the streaming velocity effect may leave imprints on galaxy clustering (Schmidt, 2016), CMB B-mode polarization (Ferraro et al., 2012), early supermassive black hole formation (Tanaka et al., 2013 Schauer et al., 2017), and may even have implications on the missing satellite problem (Bovy and Dvorkin, 2013). Recently, however, Ahn (2016) improved on the analysis of Tseliakhovich and Hirata (2010) by including second-order terms involving density fluctuations as well (Tseliakhovich and Hirata performed their analysis assuming uniform density), and showed that density-velocity correlations may enhance the streaming velocity effect, and suggested that the entire topic needs to be revisited with this result in mind. It is clear that much remains to be done both numerically and analytically in this fascinating aspect of the early Cosmic Dawn.


              Key points

              The formation of structures and galaxies in the Universe, which consists of ordinary matter, dark energy and dark matter, involves various physical processes such as gravity, gas cooling, star formation, supernova feedback, supermassive black hole feedback, stellar evolution, radiation, magnetic fields, cosmic rays and more.

              Cosmological simulations allow detailed studies of the formation and evolution of structures and galaxies in the cosmos, starting from smooth initial conditions constrained through observations of the cosmic microwave background, yielding detailed predictions of the galaxy population at different epochs of the Universe.

              The dark matter component is typically numerically modelled through the N-body approach. Here, the dark matter phase-space distribution is sampled by an ensemble of phase-space sampling points, resulting in a Monte Carlo scheme, to follow its dynamics, which are governed by the collisionless Boltzmann equation.

              The gas content of the baryonic matter component is, in its simplest form, described through the Euler equations, discretized with Eulerian, Lagrangian or arbitrary Lagrangian–Eulerian schemes, coupled to other physical processes such as gravity, cooling processes, feedback processes and star formation.

              Alternative forms of dark matter, dark energy and gravity can also be explored through suitable modified simulation methods to test and constrain such theories in the context of structure and galaxy formation, by comparing to observational data such as galaxy surveys, leading to important insights into the overall cosmological framework of structure formation and cosmological parameters.


              The Hubble Constant and Natural Unit

              Effectively yes, there are many quantities dealt with in Cosmology in which the Hubble constant value is part of the unit, for instance you can say the distance to some object is X Mpc/h where h = Hubbles constant / 100. The /100 part is just to make little h of order unity, which is what cosmologist tend to like their parameters to be.

              There are many more examples of this, since so many things just have the actual value of the Hubbles constant as a simple factor.

              Effectively yes, there are many quantities dealt with in Cosmology in which the Hubble constant value is part of the unit, for instance you can say the distance to some object is X Mpc/h where h = Hubbles constant / 100. The /100 part is just to make little h of order unity, which is what cosmologist tend to like their parameters to be.

              There are many more examples of this, since so many things just have the actual value of the Hubbles constant as a simple factor.

              Somewhat pedantic note: h = H_0 / (100 km/s/Mpc). It's sort of a way of saying, "Well, this quantity I'm measuring depends upon the actual value of H_0, but we don't know what the actual value is, so we'll just calculate everything based on H_0 = 100km/s/Mpc and carry over the difference between this and the true value by keeping track of the appearances of 'h'."