Individual Star Sampling in Star Formation Simulations: A Semi-Deterministic Model

技术摘要：恒星形成模拟中的个体恒星采样：一种半确定性模型

问题陈述
现代星系形成模拟越来越多地解析具有太阳质量分辨率的单个恒星。然而，分配恒星质量仍然是一个根本性的挑战，因为调节恒星质量的物理过程（云碎裂、吸积、反馈）运行在当前模拟无法解析的尺度上。因此，大多数模拟依赖于通用的、不变的初始质量函数（IMF），并进行随机采样（随机或“RND”采样）。这种方法面临着显著的观测挑战，特别是无法重现嵌入星团总质量（$M_{\rm ecl}$）与其中最重恒星质量（$m_{\star, \rm max}$）之间紧密的关联。纯随机采样预测了在低质量星团中 $m_{\star, \rm max}$ 存在过大的散射，并在观测表明不应存在大质量恒星的环境中过度产生大质量恒星。此外，随机采样无法捕捉到抑制极端波动的环境约束，导致反馈和恒星形成效率（SFE）出现巨大的运行间差异（run-to-run variations）。

方法论：半确定性（SDT）方案
作者引入了一种半确定性（SDT）采样方案，旨在将恒星质量与它们的母星团联系起来，同时保持计算可行性。该方法在 arepo 磁流体力学代码的 RIGEL 框架内运行。其核心组成部分包括：

1. 储层粒子（RsvPs）： 未解析的坍缩核心和原恒星盘由“储层粒子”表示。当气压单元满足特定标准（金斯不稳定性、维里不稳定性、收缩流、密度和温度阈值）时，气压单元转化为 RsvPs。RsvPs 与流体动力学求解器解耦，但仍与引力耦合。它们经历一个“惰性”阶段（持续时间 $\sim t_{\rm dyn}$）后变为“活跃”状态并能够形成恒星。
2. 即时星团识别： 定期（$\Delta t_{\rm FoF}$）应用高效的“亲友算法”（Friends-of-Friends, FoF）将活跃的 RsvPs 和年轻恒星（$< \tau_{\rm young}$）分组为星团。这提供了对总星团质量（$M_{\rm ecl}$）的瞬时估计，包括现有的恒星和可用的储层质量。
3. 半确定性采样逻辑：
   • 大质量恒星（确定性）： 对于当前 $M_{\rm ecl}$ 允许的最重恒星，该方法采用“最优采样”。它根据观测到的 $m_{\star, \rm max} - M_{\rm ecl}$ 关系，确定性地分配单颗最重恒星的质量（$m_1$），确保在每个星团演化步骤中，对应于最高质量的质量区间被精确填充一次。
   • 低质量恒星（随机性）： 所有其他恒星从 IMF 中进行随机采样，但其上限由确定性分配的大质量恒星（$m_{1, \rm low}$）设定。这在保持了群体整体 IMF 形状的同时，强化了高质量端的环境约束。
   • 质量守恒： 该方法利用一种基于邻域（NGB）的方法，即如果采样的恒星质量超过了局部储层粒子的质量，则会从搜索半径（$R_{\rm search}$）内的相邻 RsvPs 中吸取质量，以确保局部质量守恒。

关键结果
作者在孤立分子云（范围从 $10^3$ 到 $8 \times 10^4 M_\odot$）和矮星系合并的模拟中，将 SDT 方法与标准的随机（RND）和基于邻域（NGB）采样进行了对比测试。

• 重现 $m_{\star, \rm max} - M_{\rm ecl}$ 关系： SDT 方法自然地重现了观测到的星团质量与最大恒星质量之间的紧密关系，紧密遵循最优采样预测。相比之下，RND 和 NGB 方法表现出显著的随机散射，在低质量星团（$M_{\rm ecl} \lesssim 10^3 M_\odot$）中系统性地过度产生大质量恒星。
• 减少运行间差异： SDT 模拟显示，在大质量恒星数量（$m > 8 M_\odot$ 和 $m > 30 M_\odot$）方面，不同随机种子之间的变化可以忽略不计；而 RND 模拟则显示出发散的趋势，尤其是在低质量云中。
• 形成时间与质量隔离： SDT（以及 NGB）中的环境约束比泊松预期延迟了约 0.15 Myr 的大质量恒星形成。这种延迟导致了恒星反馈起始阶段的相干时间滞后。此外，该方法产生了初始质量隔离，即大质量恒星优先在密度峰值处形成，这是 RND 模拟中所缺失的特征。
• 反馈与恒星形成效率（SFE）： 由于大质量恒星形成的延迟和受控，SDT 模拟在反馈光度（EUV、风、超新星）方面表现出极小的运行间差异。因此，SDT 运行中的综合 SFE 更高且更稳定，特别是对于小规模云团，因为它避免了由随机采样的质量大恒星导致的过早气体耗尽。
• 星系级 IMF（gwIMF）： 在矮星系合并模拟中，SDT 方法预测了 gwIMF 斜率对恒星形成率（SFR）的强烈依赖性。在低 SFR 环境下，gwIMF 会变得显著变陡（斜率 $\sim -3$）且呈现“顶端轻量化”（top-light），这与集成星系 IMF（IGIMF）理论一致。RND 模型则无法重现这种变化，无论 SFR 如何始终维持一个规范的斜率。
• H$\alpha$ 诊断： 研究发现，在低 SFR 环境中，由于大质量恒星的缺乏，SDT 模型中的比 H$\alpha$ 光度较低。这意味着，假设 IMF 不变的标准 H$\alpha$-to-SFR 转换因子，会系统性地低估处于静止状态、低质量星系中的内在 SFR，误差达 2–3 倍。

意义与主张
本文声称，SDT 方案为高分辨率模拟中的恒星质量采样问题提供了一个物理动机明确且计算高效的解决方案。通过根据观测约束确定性地处理最重恒星，同时保留对主体群体的随机采样，该方法成功地：

1. 解决了随机采样与观测到的 $m_{\star, \rm max} - M_{\rm ecl}$ 关系之间的差异。
2. 减少了反馈和 SFE 对随机种子的人为敏感性，特别是在矮星系等低质量环境中。
3. 自洽地重现了星系级 IMF 随 SFR 变化的现象，这一现象在以往的模拟中常因技术困难而被忽视。
4. 为研究星团的早期动力学演化（包括初始质量隔离和反馈时机）提供了一个更真实的框架。

作者承认了局限性，指出该模型目前将恒星视为无碰撞粒子，并假设固定的 IMF 斜率，忽略了潜在的金属丰度和气体密度依赖性。他们还指出，RsvPs 中 100% 的恒星形成效率假设忽略了原恒星反馈（喷流/风），这可能会进一步调节 SFE。尽管存在这些简化，作者仍断言 SDT 方法代表了向自洽建模星系演化中的恒星形成迈出的重要一步。