The life of central radio galaxies in clusters: AGN-ICM studies of eRASS1 clusters in the ASKAP fields

Sintesi Tecnica: La Vita delle Galassie Radio Centrali nei Cluster: Studi AGN-ICM dei Cluster eRASS1 nei Campi ASKAP

Definizione del Problema
Il mezzo intracluster (ICM) nei cluster di galassie irradia energia termica principalmente attraverso l'emissione di raggi X, portando a un rapido raffreddamento nei nuclei densi. Senza un meccanismo di riscaldamento compensativo, ciò risulterebbe in un "flusso di raffreddamento" (cooling flow) in cui il gas perde il supporto di pressione e fluisce verso l'interno con tassi fino a $1.000 M_\odot \text{yr}^{-1}$. Tuttavia, le osservazioni rivelano un deficit di gas freddo e tassi di formazione stellare molto più bassi di quanto previsto dai modelli di flusso di raffreddamento. Sebbene il feedback degli Nuclei Galattici Attivi (AGN) sia ampiamente considerato il principale meccanismo per riscaldare l'ICM e regolare il raffreddamento, l'efficienza di questo feedback, in particolare nel bilanciare le perdite radiative attraverso diversi valori di massa e stati dinamici dei cluster, rimane oggetto di indagine. Questo studio mira a quantificare la relazione tra la potenza del feedback dell'AGN e il raffreddamento dell'ICM correlando le proprietà radio delle Galassie Centrali (BCG) con le proprietà a raggi X dei loro cluster ospiti.

Metodologia
Gli autori hanno costruito un campione di 151 cluster di galassie dalla prima eRASS1 All-Sky Survey di SRG localizzati in tre campi specifici osservati da ASKAP: PS1, PS2 e SWAG-X.

• Fonti di Dati: Le proprietà a raggi X (luminosità $L_X$, massa $M_{500}$, raggio $R_{500}$ e parametro di concentrazione $c_{R500}$) sono state derivate dal catalogo primario dei cluster eRASS1. I dati radio sono stati ottenuti da osservazioni ASKAP a 944 MHz (PS1, PS2) e 888 MHz (SWAG-X).
• Selezione del Campione: Il campione iniziale di 260 cluster eRASS1 rilevati in questi campi è stato filtrato tramite una soglia di verosimiglianza dell'estensione ($L_{EXT} \ge 6$) per garantire un'alta purezza (94%), risultando in un campione finale di 151 cluster.
• Identificazione delle Sorgenti Radio: Gli autori hanno incrociato le posizioni delle BCG con i cataloghi delle sorgenti ASKAP (Böckmann et al. 2023 per PS1; PyBDSF per SWAG-X) e hanno eseguito ispezioni manuali per le restanti sorgenti. Hanno identificato 134 sorgenti radio associate alle BCG, trattando i non rilevamenti come limiti superiori (3$\sigma$).
• Derivazione dei Parametri:
  • Proprietà Radio: La luminosità radio ($L_{944 \text{ MHz}}$) e la Dimensione Lineare Massima (LLS) sono state calcolate. Le sorgenti non rilevate sono state assegnate come LLS pari alla dimensione del fascio (beam size).
  • Stato Dinamico: I cluster sono stati categorizzati in Core Freddi (CC) e Non-Core Freddi (NCC) utilizzando il parametro di concentrazione $c_{R500}$. Una soglia di $c_{R500} > 0,26$ (la mediana del campione) ha definito il sottocampione CC (75 cluster). Gli offset delle BCG dal centro X sono stati misurati per valutare il disturbo dinamico.
  • Potenza Meccanica: La potenza del jet meccanico ($L_{\text{mech}}$) è stata stimata dalla luminosità radio utilizzando le relazioni di scala di Heckman & Best (2014) e Shabala & Godfrey (2013).
  • Raggio di Raffreddamento: Per confrontare meglio il riscaldamento dell'AGN con il raffreddamento, la luminosità X integrata è stata scalata dall'apertura standard di 300 kpc a un raggio di raffreddamento ($R_{\text{cool}} \approx 0,08 R_{500}$), producendo $L_{X, r<R_{\text{cool}}}$.
• Analisi Statistica: Le correlazioni sono state analizzate tramite regressione lineare (pacchetti ASURV e LinMix) in spazio log-log. La robustezza è stata testata tramite ricampionamento bootstrap, test di correlazione parziale di Kendall $\tau$ (per tenere conto della dipendenza dal redshift) e analisi flusso-flusso.

Risultati Chiave

1. Caratteristiche del Campione: Il campione spazia in redshift da $0,033 \le z \le 1,126$ e luminosità a raggi X da $2,72 \times 10^{42} \le L_X \le 1,32 \times 10^{45} \text{ erg s}^{-1}$. Il tasso di rilevamento radio per le BCG è stato dell'89%.
2. Morfologia e Ambiente: È stata osservata una tendenza positiva statisticamente significativa tra la LLS delle sorgenti radio centrali e l'offset della BCG dal centro del cluster ($p=0,0008$). Ciò suggerisce che le sorgenti radio in ambienti più dinamiciamente disturbati (maggiori offset) tendono a essere più estese, potenzialmente a causa di influenze ambientali sulla morfologia.
3. Correlazione Radio-Raggi X: È stata trovata una correlazione positiva debole ma statisticamente significativa tra la luminosità radio delle BCG e la luminosità a raggi X dei cluster ospiti ($L_R \propto L_X^{0,70 \pm 0,18}$). Tuttavia, i test di correlazione parziale suggeriscono che questa relazione è pesantemente influenzata dagli effetti di selezione, in particolare guidata dai cluster ad alto flusso.
4. Efficienza del Feedback dell'AGN nei Core Freddi:
   • Nel sottocampione CC, esiste una correlazione positiva ma altamente dispersa tra la potenza del jet meccanico ($L_{\text{mech}}$) e la luminosità di raffreddamento a raggi X ($L_{X, r<R_{\text{cool}}}$).
   • Il fit lineare indica che il feedback dell'AGN diventa progressivamente meno efficace nel compensare le perdite radiative all'aumentare della luminosità (e della massa) del cluster.
   • A una luminosità di raffreddamento di $L_{X, r<R_{\text{cool}}} \approx 5,50 \times 10^{43} \text{ erg s}^{-1}$, il feedback dell'AGN contribuisce solo al 13% - 22% dell'energia necessaria per bilanciare le perdite radiative.
   • La linea di miglior adattamento interseca la linea 1:1 a una bassa luminosità ($\approx 8,18 \times 10^{41} \text{ erg s}^{-1}$), suggerendo che sopra questa soglia, il solo feedback dell'AGN è insufficiente a prevenire il raffreddamento in questi sistemi.

Significato e Rivendicazioni
L'articolo sostiene di fornire una valutazione statistica dell'accoppiamento AGN-ICM utilizzando un ampio campione omogeneo di cluster eRASS1 con profondi dati radio ASKAP. Il significato primario risiede nella scoperta che il feedback dell'AGN è inefficace nei cluster ad alta luminosità (alta massa). Mentre i jet dell'AGN possono bilanciare il raffreddamento nei sistemi a bassa luminosità, essi non riescono a fornire energia sufficiente nei cluster massicci, contribuendo solo una frazione (13–22%) del riscaldamento richiesto ai tassi di raffreddamento elevati. Ciò supporta l'idea che meccanismi di riscaldamento aggiuntivi (ad esempio, turbolenza, sloshing o supernovae) o diversi regimi di feedback possano essere necessari nei sistemi massicci. Gli autori notano che i loro risultati sono coerenti con studi precedenti (ad esempio, Gupta et al. 2020; Igo & Merloni 2025) che hanno trovato bassi rapporti tra l'energia cinetica del jet e l'energia di raffreddamento nei cluster massicci. Lo studio evidenzia inoltre l'importanza di considerare gli effetti di selezione e i limiti delle attuali profondità di indagine nell'interpretare queste correlazioni.