Kozmológiai n-test-szimulációk

Átírás

1 Kozmológiai n-test-szimulációk Dobos László Komplex Rendszerek Fizikája Tanszék É április 21.

2 Inhomogenitások az Univerzumban A háttérsugárzás lecsatolódásakor (z 1100) a sűrűségfluktuációk nagyon kicsik ρ ρ 10 5 hogyan jöttek létre a mai galaxisok? ρ ρ 106 A gravitációs erő kis skálán már nem lineáris minél több anyag gyűlik össze egy helyen, annál mélyebb a potenciál egyre több anyagot tud begyűjteni A struktúrák fejlődésének elméleti követése a korai Univerzumban a gravitáció hatása még lineáris a FRLW-metrika perturbálásával első rendben később:?? nincsen rá egzakt ált.rel. módszer

3 A nem lineáris fejlődés leírása Az Einstein egyenletek newtoni gravitáció linearizálhatók: g µν = η µν + h µν h µν kis metrikus perturbáció további közeĺıtés: gyenge erőterek határesete akkor működik, ha a pekuliáris sebességek kicsik A nem lineáris struktúrafejlődést newtoni közeĺıtésben nézzük analitikusan részleteiben nem kezelhető numerikus közeĺıtés: N-test szimulációk

4 Kozmológiai n-test-szimulációk A nem lineáris fejlődés analitikusan nem kezelhető gravitáló részecskék a táguló Univerzumban csak sötét anyag, a galaxisokat bele kell tenni Összekapcsolható hidrodinamikai kódokkal is barionikus anyag és a nyomás figyelembe vétele csillagkeletkezés, galaxisfejlődés, szupernóvák AGN-visszahatás Néhány fontos szimuláció Millennium, Millennium II, Millennium XXL (Springel et al.) Bolshoi (Klipyn et al.) Indra (Szalay et al.) Illustris

5

6 Nagyon nagy szimulációk Tipikus méretek: 10 10,,részecske egyenként M tömeggel 500 Mpc oldalú kockában, periodikus határfeltétel mellett kialakult halók száma kb. 20 millió Számítási igény 300 CPU év CPU mag 5-20 TB memória gyors hálózat TB adat

7 A gravitációs erő számítása A részecskék száma nagyon nagy: naivan lépésenként távolságszámítást igényelne a részecskék nem férnek el egyetlen gép memóriájában minden koordinátát át kellene küldeni a hálózaton ez kivitelezhetetlen, nagyon lassú lenne Ötlet: távoli részecskék esetében elég átlagerőt venni a teret térrészekre osztva kell kezelni a közel levő részecskék mindig egy gép memóriájában vannak a közeli kölcsönhatás számolható egzaktul a távoli erőhatásokat a gépek hálózaton keresztül kommunikálják meg

8 A szimula cio ku lo nbo zo ido pillanatokban

9 Kezdeti feltételek generálása Kezdetben a tömegpontoknak random eloszlásuk van viszont P(k) k n spektrummal a síkhullámok fázisát random kell választani Az Univerzumnak nincsen széle szimuláció periodikus határfeltétellel ami a kocka egyik lapján kimegy, bejön a másikon a doboz mérete nagy hatással van a kis hullámszámokra

10 A re szecske k mozga sa A so te t anyag nem turbulens I a re szecskepa lya k nem is keresztezik egyma st Arago n-calvo et al. (2011)

11 Sötétanyag-halók azonosítása A szimuláció eredményeként csak a fázisteret kapjuk pozíció és sebessége minden egyes részecskére néhány fix időpillanatban eltárolva Ebből kell azonosítani a kialakult sötétanyag-halókat korábban megismert friend-of-friend algoritmus két adott távolságnál közelebb levő részecske: azonos haló Meghatározható a halók sűrűségprofilja: NFW-profil halók tömegeloszlása, belső sebességdiszperziók stb. a tömegeloszlás fejlődése a halók összeolvadási hierarchiája

12 Csak szimulációból vizsgálható Klaszterek pontos térbeli alakja, és sebességeloszlása megfigyelésekben csak látóirányú Doppler-sebesség a klaszter összes galaxisa azonos z-n van, nincsen harmadik koordináta Al-halók száma és tömegeloszlása a Tejút környékén látunk pár szatellit galaxist más galaxisok körül sejtjük, hogy vannak, de nem látjuk a szimuláció becslést ad a számukra és jelentőségükre Halók összeolvadási fája (merger tree) sötétanyag-halók összeolvadása időben követhető pontos kép a hierarchikus struktúraképződésről időben visszafele követhető, hogy egy klaszter miből lett

13 Halók összeolvadási fája

14 Galaxisok modellezése A szimuláció csak sötét anyaggal számol a halók mélyére galaxisokat képzelünk a barionikus anyag mennyisége modellfüggő az ebből létrejövő csillagok össztömege is Halóbetöltöttség-eloszlás 1 milyen a haló galaxis tömegarány eloszlása egy adott tömegű halóbán mekkora és hány galaxis jön létre a barionikus anyag eloszlása a sötét anyaghoz képest (a barionikus anyagnak van nyomása, lecsatolódhat!) a barionikus anyag sebességének eloszlása a sötét anyaghoz képest 1 Halo occupation distribution (HOD)

15 Galaxisok szemi-analitikus modellezése Ismerjük az összeolvadási fát amikor két haló összeolvadt, akkor a bennük levő két galaxis is aktív csillagkeletkezés, majd aktív mag periódus Galaxis csillagpopulációjának szimulációja az összeolvadási eseményekből csillagkeletkezési történet adható: Ψ(t) [M yr 1] mikor mennyi, milyen tömegű csillag jött létre ebből elő tudjuk álĺıtani a galaxis spektrumát összeolvadáskor a két korábbi spektrumot összeadjuk

16 Szimulált katalógusok Eredmény: szemi-analitikus mock-katalógus mintha egy valódi égtérkép lenne magnitúdók, színek, vöröseltolódások A szimuláció csak diszkrét z értékeknél kerül lementésre 2 a távolabbi galaxisokat korábbi időlépésből kell venni így a vöröseltolódás is szimulálható Szemi-analitikus modellek szupermasszív fekete lyukakra is itt is az összeolvadási fából kell kiindulni összeolvadáskor a tömeg összeadódik + akkréció 2 snapshot

17 A különböző vöröseltolódások összetolása