Modèle d’évolution de galaxies pour simulations cosmologiques à grande échelle Thèse Benoit Côté Doctorat en physique Philosophiæ doctor (Ph.D.) Québec, Canada © Benoit Côté, 2015 Résumé Nous présentons un modèle semi-analytique (MSA) conçu pour être utilisé dans une simulation hydrodynamique à grande échelle comme traitement de sous-grille afin de générer l’évolution des galaxies dans un contexte cosmologique. Le but ultime de ce projet est d’étudier l’histoire de l’enrichissement chimique du milieu intergalactique (MIG) ainsi que les interactions entre les galaxies et leur environnement. Le MSA inclut tous les ingrédients nécessaires pour reproduire l’évolution des galaxies de faible masse et de masse intermédiaire. Cela comprend l’accrétion du halo galactique et du MIG, le refroidissement radiatif, la formation stellaire, l’enrichissement chimique et la production de vents galactiques propulsés par l’énergie mécanique et la radiation des étoiles massives. La physique des bulles interstellaires est appliquée à chaque population d’étoiles qui se forme dans le modèle afin de relier l’activité stellaire à la production des vents galactiques propulsés par l’énergie mécanique. Nous utilisons des modèles stellaires à jour pour générer l’évolution de chacune des populations d’étoiles en fonction de leur masse, de leur métallicité et de leur âge. Cela permet d’inclure, dans le processus d’enrichissement, les vents stellaires des étoiles massives, les supernovae de Type II, Ib et Ic, les hypernovae, les vents stellaires des étoiles de faible masse et de masse intermédiaire ainsi que les supernovae de Type Ia. Avec ces ingrédients, notre modèle peut reproduire les abondances de plusieurs éléments observées dans les étoiles du voisinage solaire. De manière plus générale, notre MSA peut reproduire la relation actuelle observée entre la masse stellaire des galaxies et la masse de leur halo de matière sombre. Il peut aussi reproduire la métallicité, la quantité d’hydrogène et le taux de formation stellaire spécifique observés dans les galaxies de l’Univers local. Notre modèle est également consistant avec les observations suggérant que les galaxies de faible masse sont davantage affectées par la rétroaction stellaire que les galaxies plus massives. De plus, le modèle peut reproduire les différents comportements, soit oscillatoire ou stable, observés dans l’évolution du taux de formation stellaire des galaxies. Tous ces résultats démontrent que notre MSA est suffisamment qualifié pour traiter l’évolution des galaxies à l’intérieur d’une simulation cosmologique. iii Abstract We present a semi-analytical model (SAM) designed to be used in a large-scale hydrodynamical simulation as a sub-grid treatment in order to generate the evolution of galaxies in a cosmological context. The ultimate goal of this project is to study the chemical enrichment history of the intergalactic medium (IGM) and the interactions between galaxies and their surrounding. Presently, the SAM takes into account all the ingredients needed to compute the evolution of low- and intermediate-mass galaxies. This includes the accretion of the galactic halo and the IGM, radiative cooling, star formation, chemical enrichment, and the production of galactic outflows driven by the mechanical energy and the radiation of massive stars. The physics of interstellar bubbles is applied to every stellar population which forms in the model in order to link the stellar activity to the production of outflows driven by mechanical energy. We use up-to-date stellar models to generate the evolution of each stellar population as a function of their mass, metallicity, and age. This enables us to include, in the enrichment process, the stellar winds from massive stars, Type II, Ib, and Ic supernovae, hypernovae, the stellar winds from low- and intermediate-mass stars in the asymptotic giant branch, and Type Ia supernovae. With these ingredients, our model can reproduce the abundances of several elements observed in the stars located in the solar neighborhood. More generally, our SAM reproduces the current stellar-to-dark-halo mass relation observed in galaxies. It can also reproduce the metallicity, the hydrogen mass fraction, and the specific star formation rate observed in galaxies as a function of their stellar mass. Our model is also consistent with observations which suggest that low-mass galaxies are more affected by stellar feedback than higher-mass galaxies. Moreover, the model can reproduce the periodic and the stable behaviors observed in the star formation rate of galaxies. All these results show that our SAM is sufficiently qualified to treat the evolution of low- and intermediate-mass galaxies inside a large-scale cosmological simulation. v Table des matières Résumé iii Abstract v Table des matières vii Liste des tableaux xi Liste des figures xiii Avant-propos xix 1 Introduction 1.1 Scénario hiérarchique . . . . . . . . . . . . . . . . . 1.2 Interaction entre les galaxies et leur environnement 1.3 Mécanismes de propulsion de vents galactiques . . 1.4 Enrichissement du milieu intergalactique . . . . . . 1.5 Simulations à grande échelle . . . . . . . . . . . . . 1.6 Description du projet de thèse . . . . . . . . . . . . . . . . . . 1 1 4 10 16 19 30 . . . . . 35 36 39 41 43 46 . . . . . . . 51 51 52 52 55 63 66 77 4 Modèle semi-analytique de base 4.1 Refroidissement du halo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Formation stellaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 80 87 2 Modèles stellaires 2.1 Vents stellaires d’étoiles massives . . . . 2.2 Supernovae de Type II, Ib et Ic . . . . . 2.3 Vents stellaires d’étoiles de faible masse 2.4 Supernovae de Type Ia . . . . . . . . . . 2.5 Fonction de masse initiale . . . . . . . . 3 Modèle d’enrichissement chimique 3.1 Résumé . . . . . . . . . . . . . . . 3.2 Abstract . . . . . . . . . . . . . . . 3.3 Introduction . . . . . . . . . . . . . 3.4 Chemical enrichment . . . . . . . . 3.5 Galactic evolution model . . . . . . 3.6 A test with the Milky Way . . . . 3.7 Summary and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii 4.3 4.4 Enrichissement chimique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Énergie mécanique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Modèle galactique semi-ouvert à simple rétroaction 5.1 Rétroaction stellaire . . . . . . . . . . . . . . . . . . . 5.2 Régulation du taux de formation stellaire . . . . . . . 5.3 Taux de formation stellaire épisodique . . . . . . . . . 5.4 Point d’équilibre et stabilité . . . . . . . . . . . . . . . 5.5 Variation des différents paramètres . . . . . . . . . . . 5.6 Test de résolution . . . . . . . . . . . . . . . . . . . . . 6 Modèle galactique ouvert à simple rétroaction 6.1 Relation entre la masse stellaire et la matière sombre 6.2 Accrétion du MIG . . . . . . . . . . . . . . . . . . . 6.3 Réduction de la masse stellaire . . . . . . . . . . . . 6.4 Efficacité de la rétroaction . . . . . . . . . . . . . . . 7 Bulles interstellaires 7.1 Évolution d’une bulle . . . . . 7.2 Évolution d’une superbulle . . 7.3 Approximation analytique . . 7.4 Réduction du temps de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 94 . . . . . . 101 102 107 109 120 127 138 . . . . 141 141 146 149 149 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 153 162 167 172 8 Modèle galactique ouvert à double rétroaction 8.1 Résumé . . . . . . . . . . . . . . . . . . . . . . 8.2 Abstract . . . . . . . . . . . . . . . . . . . . . . 8.3 Introduction . . . . . . . . . . . . . . . . . . . . 8.4 Galaxy model . . . . . . . . . . . . . . . . . . . 8.5 Interstellar bubbles . . . . . . . . . . . . . . . . 8.6 Feedback . . . . . . . . . . . . . . . . . . . . . 8.7 Results . . . . . . . . . . . . . . . . . . . . . . . 8.8 Summary and conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 177 178 179 181 190 195 200 209 9 Modèle galactique ouvert à double rétroaction 9.1 Densité du gaz froid . . . . . . . . . . . . . . . 9.2 Enrichissement chimique . . . . . . . . . . . . . 9.3 Formation stellaire . . . . . . . . . . . . . . . . 9.4 Paramètre d’entrainement . . . . . . . . . . . . . . . . suppléments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 213 213 220 222 . . . . . . . . . . . . . . . . . . . . . . . . 225 225 229 229 232 11 Conclusion 11.1 Perspective d’avenir pour la suite du projet de recherche . . . . . . . . . . . 11.2 Réflexions sur la méthode semi-analytique . . . . . . . . . . . . . . . . . . . 235 238 239 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Fonctionnement du code 10.1 Sous-routines . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.2 Boucle principale . . . . . . . . . . . . . . . . . . . . . . . . . 10.3 Couplage avec une simulation hydrodynamique cosmologique 10.4 Gestion des différents pas de temps . . . . . . . . . . . . . . . viii . . . . . . . . Bibliographie 241 ix Liste des tableaux 1.1 1.2 1.3 Études utilisant des simulations hydrodynamiques à grande échelle . . . . . . . Études utilisant des modèles semi-analytiques galactiques . . . . . . . . . . . . Études utilisant des modèles semi-analytiques intergalactiques . . . . . . . . . . 21 27 30 2.1 2.2 Fonction de masse initiale utilisée dans la littérature . . . . . . . . . . . . . . . Nombre de supernovae de Type II dans une population d’étoiles . . . . . . . . . 49 50 3.1 3.2 3.3 3.4 3.5 Evolutionary tracks used for the stellar winds of massive stars. . . . . . . Mass ejected by low- and intermediate-mass stars. . . . . . . . . . . . . . Contribution of stellar phases to the mass ejected as a function of Z. . . . Parameters used in our chemical enrichment model . . . . . . . . . . . . . Mass of the elements ejected by stellar phases in our simulated Milky Way . . . . . . . . . . . . . . . 56 59 62 70 76 4.1 4.2 4.3 4.4 4.5 Masse du viriel de transition pour le mode de refroidissement . . . . Taux de formation stellaire maximal des galaxies sans rétroaction . . Conditions pour déterminer la phase évolutive d’une étoile massive . Masse initiale minimale pour qu’une étoile ait une phase Wolf-Rayet Type de Wolf-Rayet en fonction des conditions de surface. . . . . . . . . . . . . . . . . . . . . . 83 92 96 96 98 5.1 5.2 Liste des paramètres libres dans le MSA semi-ouvert à simple rétroaction . . . Comparaison entre Stinson et al. (2007) et le MSA semi-ouvert . . . . . . . . . 126 135 6.1 Compilation de données pour quelques galaxies du Groupe Local . . . . . . . . 143 8.1 List of our free parameters and their value . . . . . . . . . . . . . . . . . . . . . 201 . . . . . . . . . . . . . . . xi Liste des figures 1.1 1.2 1.3 1.4 Structure à grande échelle de la matière sombre selon Bolshoi . . . . . . . Évolution de la densité des halos de matière sombre . . . . . . . . . . . . Galaxie M82 vue par les télescopes Spitzer, Hubble et Chandra . . . . . . Couplage entre un modèle semi-analytique et une simulation cosmologique . . . . . . . . . . . . 3 5 13 25 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 Taux de perte de masse d’hydrogène et d’hélium des étoiles massives . . Taux de perte de masse des éléments CNO des étoiles massives . . . . . Exemple d’interpolation entre les modèles stellaires . . . . . . . . . . . . Masse totale éjectée par le vent des étoiles massives . . . . . . . . . . . . Masse totale éjectée par les SNe II . . . . . . . . . . . . . . . . . . . . . Temps de vie des étoiles massives . . . . . . . . . . . . . . . . . . . . . . Masse totale éjectée par les vents des étoiles de faible masse . . . . . . . Masse des produits CNO éjectés par les vents des étoiles de faible masse Temps de vie des étoiles de faible masse . . . . . . . . . . . . . . . . . . Densité du taux de formation stellaire cosmique . . . . . . . . . . . . . . Densité du taux de SN Ia cosmique . . . . . . . . . . . . . . . . . . . . . Fonctions de masse initiale. . . . . . . . . . . . . . . . . . . . . . . . . . Masse totale cumulée éjectée par les différentes phases stellaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 38 39 40 41 42 43 44 45 46 47 48 50 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 Iron abundance in the Galactic gas as a function of time. . . . . . . . . . Metallicity distribution functions of the Milky Way. . . . . . . . . . . . . . Abundances of 14 elements as a function of Fe/H. . . . . . . . . . . . . . . Abundances of C and O as a function of O/H . . . . . . . . . . . . . . . . Abundances of Al, Na, and Mg as a function of Mg/H . . . . . . . . . . . Total mass ejected by stellar phases in our simulated Milky Way . . . . . Mass of the elements ejected by stellar phases in our simulated Milky Way Relation between Z and Fe/H in our simulated Milky Way . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 68 69 71 72 73 74 75 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 Refroidissement des halos en fonction du temps . . . . . . . . . . . . . . . . . Fonction de refroidissement d’un gaz primordial . . . . . . . . . . . . . . . . . Approvisionnement en gaz froid par le refroidissement du halo. . . . . . . . . Test de résolution pour le refroidissement à zf = 10. . . . . . . . . . . . . . . Test de résolution pour le refroidissement à zf = 0. . . . . . . . . . . . . . . . Schéma du modèle de base sans rétroaction . . . . . . . . . . . . . . . . . . . Évolution du taux de formation stellaire sans rétroaction stellaire. . . . . . . Comparaison entre le taux de formation stellaire et le taux de refroidissement. Évolution de la fraction d’étoiles formées sans rétroaction stellaire. . . . . . . Comparaison de la luminosité mécanique entre Starburst99 et notre code . . . . . . . . . . . . . 84 85 86 88 89 90 91 93 94 97 xiii 4.11 Énergie mécanique des vents stellaires et des SNe II . . . . . . . . . . . . . . . 4.12 Énergie mécanique des SNe Ia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 100 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15 5.16 5.17 5.18 5.19 5.20 5.21 5.22 5.23 Schéma du modèle semi-ouvert à simple rétroaction . . . . . . . . . . . . . . . Taux de formation stellaire avec rétroaction simple . . . . . . . . . . . . . . . Luminosité mécanique, masse stellaire et masse éjectée des galaxies à z = 9. . Relation entre la luminosité mécanique et le taux de formation stellaire. . . . Effet des vents stellaires sur les oscillations de la luminosité mécanique. . . . Effet des vents stellaires sur le refroidissement et le vent galactique . . . . . . Évolution de la métallicité dans le halo des galaxies . . . . . . . . . . . . . . . Phénomène de battement dans l’évolution d’une galaxie. . . . . . . . . . . . . Phénomène de battements secondaires dans l’évolution d’une galaxie. . . . . . Réplique de la Figure 5.9, mais avec la contribution des SNe Ia. . . . . . . . . Évolution des oscillations dans l’espace de phase . . . . . . . . . . . . . . . . Effet des vents stellaires et des SNe Ia dans l’espace de phase . . . . . . . . . Évolution des oscillations dans l’espace de phase normalisé . . . . . . . . . . . Évolution du point d’équilibre dans l’espace de phase normalisé . . . . . . . . Effet d’une perturbation dans le TFS d’une galaxie . . . . . . . . . . . . . . . Effet de l’efficacité de formation stellaire sur le TFS . . . . . . . . . . . . . . Effet du temps caractéristique de la formation stellaire sur le TFS . . . . . . Effet de l’efficacité du vent galactique sur le TFS . . . . . . . . . . . . . . . . Effet du temps caractéristique du processus d’éjection sur le TFS . . . . . . . Effet du temps caractéristique du processus de refroidissement sur le TFS . . Taux de formation stellaire selon Stinson et al. (2007) et le MSA semi-ouvert Test de résolution du MSA semi-ouvert à simple rétroaction à z = 0 . . . . . Test de résolution du MSA semi-ouvert à simple rétroaction à z = 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 109 111 112 113 114 115 116 117 119 121 122 123 124 126 128 130 131 133 134 137 139 140 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 Schéma du modèle ouvert à simple rétroaction . . . . . . . . . . . . . . . . . . Masse stellaire en fonction de la masse du halo de matière sombre des galaxies . Efficacité du vent galactique en fonction de la masse des galaxies . . . . . . . . Comparaison entre le MSA semi-ouvert et la relation M⋆ − MHMS . . . . . . . Évolution de la masse du halo de matière sombre des galaxies . . . . . . . . . . Effet de l’accrétion du MIG sur la masse stellaire d’une galaxie . . . . . . . . . Comparaison entre le MSA ouvert et la relation M⋆ − MHMS . . . . . . . . . . Effet de la variation de fth sur la masse stellaire des galaxies . . . . . . . . . . 142 144 145 146 147 148 150 151 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 7.10 7.11 Structure interne d’une bulle interstellaire . . . . . . . . . . . . . . . . . . . . Évolution d’une superbulle en fonction de la densité du MIS . . . . . . . . . . Effet des vents stellaires sur l’évolution d’une superbulle . . . . . . . . . . . . Luminosité mécanique des SNe II en fonction de la métallicité . . . . . . . . . Évolution d’une superbulle en fonction de la masse de la population stellaire . Évolution d’une superbulle en fonction de la métallicité du MIS . . . . . . . . Effet de la métallicité du MIS sur l’évolution d’une superbulle . . . . . . . . . Résolution temporelle nécessaire pour calculer l’évolution d’une superbulle . . Approximation analytique de l’évolution d’une superbulle − Mpop = 106 M⊙ Approximation analytique de l’évolution d’une superbulle − Mpop = 104 M⊙ Effet de l’approximation analytique sur la résolution des simulations . . . . . . . . . . . . . . . . 154 163 164 165 166 168 169 170 173 174 175 8.1 Overview of our semi-analytical model and its different components . . . . . . . 182 xiv 8.2 8.3 8.4 8.5 8.6 8.7 8.8 8.9 8.10 8.11 8.12 Mass-loss rate of stellar winds and SNe from massive stars . . . . . . . . Mass-loss rate of stellar winds and SNe from low- and intermediate-mass Mechanical luminosity of stellar winds and SNe from massive stars . . . Structure of a bubble blown by stars . . . . . . . . . . . . . . . . . . . . Stellar-to-dark-halo mass relation of present day galaxies . . . . . . . . . Star formation rate of our simulated galaxies . . . . . . . . . . . . . . . Mass ejected by outflows in our simulated galaxies . . . . . . . . . . . . Feedback efficiency parameter in outflows powered by mechanical energy Average stellar metallicity in present day galaxies . . . . . . . . . . . . . Mass fraction of metals inside the different components of our model . . Mass fraction of hydrogen in present day galaxies . . . . . . . . . . . . . . . . stars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 188 189 192 202 203 205 206 207 208 209 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 Évolution de la densité du gaz froid . . . . . . . . . . . . . . . . . . . Évolution de la métallicité du gaz d’une galaxie − M⋆ = 108.13 M⊙ . . Évolution de la métallicité du gaz d’une galaxie − M⋆ = 1010.3 M⊙ . . Métallicité actuelle des galaxies en fonction de leur masse . . . . . . . Enrichissement du gaz froid en fonction du type de MSA . . . . . . . . Abondance d’oxygène dans le gaz des galaxies simulées . . . . . . . . . Évolution des échelles de temps impliquées dans la formation stellaire Taux de formation stellaire spécifique des galaxies . . . . . . . . . . . Évolution du taux d’entrainement des vents galactiques . . . . . . . . . . . . . . . . . . . . . . . . . . 214 215 216 217 219 220 221 222 223 10.1 Schéma des interactions entre le MSA et la simulation cosmologique . . . . . . 230 . . . . . . . . . . . . . . . . . . . . . . . . . . . xv Dans ma fiction je suis attentif à ce que tout soit plausible et à raccorder les morceaux. La vie réelle n’est pas gênée par de telles considérations. Isaac Asimov xvii Avant-propos Ce manuscrit constitue une thèse de doctorat en astrophysique avec insertion d’articles. Le premier (Côté et al. 2013), présenté au chapitre 3, a été préalablement soumis, arbitré et publié par The Astrophysical Journal. Au chapitre 8, le second article présente la première version d’une soumission à la revue The Astrophysical Journal. Le rapport d’arbitre a été reçu après la date du dépôt initial de cette thèse. L’arbitre ne propose que des ajouts (principalement ceux proposés au chapitre 11 dans la conclusion de ce manuscrit) et n’invalide pas le contenu scientifique de la version soumise. Puisque ces ajouts représentent une continuité du projet de recherche et non une révision, la version originale a été conservée dans ce manuscrit. L’étudiant sous évaluation, Benoit Côté, est l’auteur principal de chaque article inséré. Hugo Martel et Laurent Drissen, le directeur et le co-directeur de recherche, en sont les coauteurs. Chaque article a été inséré intégralement en anglais sans modification. xix Chapitre 1 Introduction Cette thèse de doctorat porte sur la conception et le développement d’un modèle semianalytique (MSA) d’évolution de galaxie qui sera utilisé comme traitement de sous-grille, dans une simulation hydrodynamique à grande échelle, dans le but d’étudier l’enrichissement chimique du milieu intergalactique (MIG) et les interactions entre les galaxies et leur environnement. Dans ce contexte cosmologique, il est essentiel de prendre en considération tous les mécanismes d’échange entre les galaxies et le MIG afin de reproduire numériquement leur évolution symbiotique. Selon le référentiel d’une galaxie, cela comprend les processus d’apport en gaz, telles que l’accrétion du MIG et les collisions de galaxies, et les processus d’éjection de gaz, tels que les vents galactiques et les effets de marées. Le modèle de galaxie présenté dans ce document ne considère pas les effets occasionnés par les rencontres proches entre deux ou plusieurs galaxies. Ces effets seront toutefois inclus lorsque le modèle sera intégré à une simulation cosmologique, car l’environnement des galaxies pourra alors être reproduit de manière réaliste. Les prochaines sections présentent un survol des différents travaux qui se retrouvent dans la littérature en ce qui concerne la relation entre les galaxies et leur environnement. L’objectif premier de cette introduction est de mettre en contexte le projet de recherche et de présenter les différents ingrédients qu’un modèle doit inclure dans le but d’étudier les galaxies dans un cadre cosmologique. 1.1 Scénario hiérarchique L’Univers que nous connaissons, contenant ∼ 73 % d’énergie sombre, ∼ 23 % de matière sombre et ∼ 4 % de matière baryonique (Bennett et al. 2003), n’a pas toujours été tel que les observations le montrent aujourd’hui. Il y a environ 13.7 milliards d’années, l’Univers qui était à l’époque extrêmement dense et chaud est entré en expansion. Ce premier épisode de l’histoire du cosmos est bien connu sous le nom de big bang. Environ 10 000 ans après ce big bang, les fluctuations spatiales de densité, qui ont été créées lors de la période d’inflation, se sont mises à s’amplifier sous l’effet de la gravité (Kolb & Turner 1990). Tout en poursuivant 1 son expansion, l’Univers s’est refroidi et a commencé à permettre aux zones de densité élevée de s’agglomérer. Ce mouvement n’a impliqué que la matière sombre, car la matière baryonique était à ce moment en équilibre avec la radiation. En effet, durant ses 400 000 premières années, le gaz cosmique était complètement ionisé, ce qui rendait l’Univers opaque à la radiation due à la diffusion de Thompson avec les électrons libres (Barkana & Loeb 2007). Par la suite, il y a eu la période de recombinaison qui a découplé la matière baryonique de la radiation. Cette époque, qui apparaît aujourd’hui comme le fond de radiation cosmique, a été sondée par les télescopes spatiaux COBE, WMAP et Planck (Bennett et al. 1996; Spergel et al. 2007; Planck collaboration 2013). À partir de ce moment, la matière baryonique a commencé à suivre la distribution de la matière sombre due à son attraction gravitationnelle. À l’échelle cosmologique, ces agglomérations ont formé les grandes structures de l’Univers telles que les filaments, les crêpes et les vides (Ciardi & Ferrara 2005). Le modèle standard de la matière sombre froide (ΛCDM) est actuellement le meilleur pour expliquer la formation des structures de l’Univers (Blumenthal et al. 1984). La matière sombre y est représentée par des particules qui n’interagissent que gravitationnellement avec la matière et qui possèdent des vitesses thermiques négligeables par rapport au flot de Hubble. Selon le modèle ΛCDM, les structures ont été créées hiérarchiquement de manière à ce que les premiers halos de matière sombre soient formés à partir des perturbations à petite échelle (Ciardi & Ferrara 2005). Par la suite, les halos de tailles plus importantes ont été construits par la fusion de plusieurs halos déjà existants (Ferrara 2002). Ce scénario d’assemblage a été confirmé notamment par les simulations Millenium (Springel et al. 2005), Millenium-II (Boylan-Kolchin et al. 2009) et Bolshoi (Klypin et al. 2011) montrant un réseau à grande échelle de halos connectés par des filaments (Figure 1.1). Les structures que forme la matière sombre résistent à l’effondrement gravitationnel en raison de la dispersion de vitesse des particules (Benson 2010), ce qui est similaire aux étoiles dans un amas globulaire. Tous les halos de matière sombre constituent un puits de potentiel gravitationnel pour la matière baryonique. Mais contrairement à la matière sombre, la matière baryonique interagit avec elle-même et est donc sujette à des pressions hydrodynamiques. En général, ces pressions luttent contre l’effondrement des nuages de gaz et par conséquent, contre la formation des étoiles et éventuellement des galaxies. Pour former des étoiles, le gaz doit donc diminuer sa pression interne par un refroidissement radiatif. Lors d’une collision inélastique entre des atomes, une fraction de l’énergie cinétique peut être utilisée pour exciter leurs niveaux électroniques. En se désexcitant, ces atomes émettent de la radiation dont une fraction peut s’échapper du nuage de gaz. Ce faisant, le système perd de l’énergie et donc se refroidit. Lorsqu’il y a des molécules, le refroidissement est plus efficace, car une partie de l’énergie cinétique peut également être utilisée pour exciter les modes vibratoires et rotationnels de ces molécules. Les premières étoiles, communément appelées étoiles de population III, se sont formées dans des petits halos de matière sombre de 106 M⊙ à des décalages vers le rouge z ≥ 20 2 Figure 1.1 – Structure à grande échelle de la matière sombre selon la simulation Bolshoi. Cette image a été produite par Anatoly Klypin et montre la toile cosmique à une échelle de quelques centaines de Mpc. (Yoshida et al. 2006). Pour ce faire, le gaz a dû se refroidir à des températures d’environ 200 K afin de devenir instable et de s’effondrer pour former des étoiles (Greif et al. 2008). À des températures supérieures à 104 K, les raies atomiques de l’hydrogène sont en grande partie responsables du refroidissement radiatif, alors que pour des températures inférieures, l’efficacité de ce refroidissement dépend fortement de la présence de métaux dans le gaz. Mais à l’époque de formation des étoiles de population III, le gaz possédait une composition primordiale et était donc dépourvu de métaux. Ainsi, le gaz a dû se refroidir entièrement via la molécule H2 et le deutérium (Yoshida et al. 2006). Avec ce nombre limité d’agents de refroidissement, les nuages de gaz ont donc subi peu de fragmentations, ce qui a permis l’apparition d’étoiles beaucoup plus massives que celles observées aujourd’hui (Bromm et al. 1999). De plus, la faible opacité du gaz, causée par l’absence de métaux, a grandement limité la capacité de la radiation stellaire à repousser le gaz aux alentours des étoiles. Le processus d’accrétion a donc pu suivre son cours durant la séquence principale des étoiles, engendrant ainsi des masses stellaires pouvant atteindre 500 M⊙ (Omukai & Palla 2003). Mais outre ces cas extrêmes, les masses typiques de ces objets auraient été de l’ordre de 30 à 100 M⊙ (Bromm et al. 2002; Hosokawa et al. 2011; Stacy et al. 2012). La radiation ultraviolette provenant des premières étoiles a permis d’ioniser le milieu environnant et de produire une grande quantité d’électrons libres. Ces derniers, utilisés comme catalyseurs, ont permis de former une grande quantité de molécules d’hydrogène et de deutérium (Galli & Palla 2002), ce qui a engendré la formation d’une seconde génération d’étoiles 3 dépourvues de métaux (Johnson et al. 2008). Ayant eu beaucoup plus d’agents de refroidissement que dans le cas de la première génération d’étoiles, les nuages ont subi plus de fragmentations. Ainsi, la seconde génération d’étoiles de population III aurait eu des masses plus modestes de l’ordre de 10 M⊙ (Greif & Bromm 2006). Malgré la prédiction théorique de ces ordres de grandeur, la fonction de masse initiale des étoiles primordiales reste encore indéterminée (Norman 2008; Bromm & Yoshida 2011). Mais ce qui est certain, c’est qu’en explosant en SNe, les étoiles primordiales ont enrichi leur milieu environnant et ont éventuellement mis fin à ce régime d’étoiles massives. Il existe une métallicité critique au-delà de laquelle les étoiles se sont formées avec une fonction de masse initiale conventionnelle ayant des masses typiques de 1 M⊙ . Actuellement, la valeur de cette métallicité critique se trouverait entre 10−6 et 10−3.5 de la métallicité solaire Z⊙ (Greif et al. 2008). En raison de la gravité, les halos de 106 M⊙ , qui ont été les zones de formation des étoiles primordiales, se sont éventuellement fusionnés et ont produit les lieux de formation des toutes premières galaxies. Ces dernières sont apparues à z ∼ 10 avec des masses totales de l’ordre de 108 M⊙ (Bromm & Yoshida 2011). Ce processus de fusion se poursuit encore aujourd’hui, produisant des galaxies toujours de plus en plus massives. En effet, depuis la formation des premières galaxies, la masse moyenne des halos de matière sombre n’a cessé de s’accroître (Mo & White 2002). Dans un sens, les petites galaxies peuvent être considérées comme des blocs d’assemblage pour former des grosses galaxies. Cependant, malgré cette tendance, les halos de faible masse ont toujours été les objets les plus abondants dans l’Univers (Figure 1.2). Ce scénario hiérarchique, issu du modèle standard de la matière sombre froide, est une connaissance de base essentielle lorsqu’il s’agit d’étudier les questions d’évolution à travers les âges de l’Univers. Le but de cette thèse de doctorat est essentiellement de créer un modèle d’évolution de galaxies qui pourra être lié à l’évolution de l’Univers à grande échelle. Ce lien est très important à considérer, car comme nous le verrons dans les prochaines sections, malgré la différence d’échelle, il existe une symbiose entre l’évolution interne des galaxies et l’évolution des structures à grande échelle. 1.2 Interaction entre les galaxies et leur environnement Les galaxies sont loin d’être des objets isolés. Des échanges de matière entre ces dernières et le MIG se sont produits maintes fois durant l’évolution de l’Univers. Ces échanges peuvent être séparés en deux groupes, soient l’accrétion et l’éjection de matière. Par attraction gravitationnelle, une galaxie peut accumuler du gaz provenant du MIG ou entrer en collision avec une autre galaxie, augmentant ainsi son réservoir de gaz et par conséquent, son taux de formation stellaire (TFS). À l’inverse, l’activité des étoiles et d’un trou noir supermassif au centre d’une galaxie peut éjecter une partie du milieu interstellaire (MIS) dans le MIG. Les divers processus d’interaction entre les galaxies et leur environnement sont interreliés et ont tous leur propre façon d’affecter leur évolution. Ces processus sont donc des facteurs très 4 Figure 1.2 – Évolution de la densité des halos de matière sombre en fonction du décalage vers le rouge. Il s’agit de la Figure 1 de Mo & White (2002). Les différentes courbes représentent des halos de masse différente. La valeur numérique associée à chaque courbe correspond au logarithme de la masse du halo. Ωm , ΩΛ , h et σ8 sont des paramètres associés au modèle ΛCDM et représentent respectivement la densité de matière dans l’Univers, la densité d’énergie sombre, le paramètre de Hubble et l’amplitude des fluctuations de densité à l’échelle de 8 h−1 Mpc. importants à considérer lorsqu’il s’agit d’étudier et de modéliser ces objets dans un contexte cosmologique. 1.2.1 Vent galactique De nos jours, la perte de masse par vent galactique est un processus grandement utilisé dans la littérature. D’ailleurs, afin de respecter les observations, les modèles et les simulations hydrodynamiques doivent faire appel à cette éjection de matière pour éviter de former trop d’étoiles (e.g. White & Frenk 1991; Springel et al. 2001; Davé et al. 2011; Hopkins et al. 2012a). À l’intérieur d’une galaxie, n’importe quelle activité d’un trou noir supermassif ou épisode de formation stellaire dépose d’une manière ou d’une autre de l’énergie dans le MIS. Cependant, si la quantité d’énergie déposée est suffisamment grande, une partie du MIS peut s’échapper du potentiel gravitationnel de la galaxie hôte, produisant ainsi un vent galactique (Veilleux et al. 2005). Comme nous le verrons dans la section 1.3, plusieurs processus phy- 5 siques à l’échelle galactique 1 peuvent engendrer ce type de vent. À plus grande échelle, un vent galactique peut affecter l’état physique du MIG. Dans sa course, le vent peut créer une onde de choc et ainsi réchauffer et balayer une partie du gaz intergalactique (Madau et al. 2001; Ferrara 2002). La portée d’un tel vent dépend grandement de l’environnement dans lequel est plongée la galaxie hôte. Par exemple, si une galaxie se trouve dans un amas, son vent galactique devra se propager dans le milieu intra-amas (MIA) et contrer l’attraction gravitationnelle de cet amas avant de pouvoir se retrouver dans le MIG, ce qui nécessite beaucoup plus d’énergie que dans le cas d’une galaxie seule et isolée. De plus, la position d’une galaxie au sein d’un amas affecte la propagation d’un vent galactique. En effet, plus une galaxie est près du centre d’un amas, plus son vent aura de la difficulté à atteindre le MIG. Des épisodes de vents galactiques ont été observés à plusieurs reprises à différents décalages vers le rouge (Bland-Hawthorn 1995; Heckman et al. 1995, 2000; Dahlem et al. 1997; Martin 1998; Pettini et al. 2000, 2001; Frye et al. 2002; Weiner et al. 2009; Bouché et al. 2012). Ces observations suggèrent que les vents galactiques dans l’Univers proche sont souvent de forme bipolaire et se propagent dans les directions de moindre résistance. Plusieurs simulations ont d’ailleurs montré qu’une galaxie disque produit un vent galactique qui se propage perpendiculairement au plan du disque (Mac Low & Ferrara 1999; Kobayashi et al. 2007; Cooper et al. 2008; Dalla Vecchia & Schaye 2008; Dubois & Teyssier 2008). Mais à l’échelle du MIG, les vents galactiques peuvent changer de trajectoire et se propager en direction perpendiculaire aux filaments cosmiques vers les zones de faible densité, ce qui est encore une fois la direction qui offre le moins de résistance. Pieri et al. (2007) ont développé un modèle de vent anisotrope afin d’étudier l’effet de cette morphologie à grande échelle. Leurs résultats ont montré que les vents anisotropes perturbent moins l’évolution des galaxies environnantes, puisque ces dernières se forment principalement dans les régions denses de l’Univers. Les vents galactiques, peu importe leur géométrie, jouent un rôle majeur dans l’enrichissement chimique du MIG, car ces vents sont composés de gaz qui a été enrichi par les étoiles (Aguirre & Schaye 2007). Ainsi, la quantité de métaux présente dans un vent galactique doit dépendre de l’âge de la galaxie hôte, c’est-à-dire du niveau d’enrichissement du MIS au moment de la phase d’éjection (Côté et al. 2012). En perdant de la masse, le MIS perd de la matière première pour produire des étoiles, ce qui signifie qu’un vent galactique contribue grandement à la régulation du TFS (e.g. Schindler & Diaferio 2008; Crain et al. 2009; Kereš et al. 2012; Munshi et al. 2013). Les galaxies de faible masse peuvent expérimenter une éjection totale de leur gaz interstellaire due à la faible attraction gravitationnelle de leur halo de matière sombre (Mac Low & Ferrara 1999; Ferrara 2002). Mais en général, pour les galaxies plus massives, la matière éjectée ne constitue qu’une fraction de leur MIS. Un vent galactique peut, selon sa portée et sa morphologie, atteindre les régions de densité élevée de son entourage. Ainsi, en plus d’enrichir le MIG, les vents galactiques peuvent 1. L’échelle galactique est associée à ce qui se produit à l’intérieur d’une galaxie, et non à l’extérieur. 6 modifier de manière significative l’évolution des objets environnants. Par exemple, s’il y a un nuage prégalactique 2 à proximité d’une galaxie qui vient de produire un vent, ce dernier peut perturber le processus de formation en cours. En effet, si la quantité de mouvement du vent galactique est suffisamment élevée, le nuage peut être littéralement dissocié, empêchant ainsi la formation d’une nouvelle galaxie. Sigward et al. (2005) ont montré que pour les nuages prégalactiques qui ne sont pas encore virialisés 3 , le choc avec un vent galactique peut expulser environ 70 % de la réserve de gaz. De plus, le vent galactique peut également empêcher la formation d’une galaxie simplement en chauffant cette dernière, produisant ainsi une évaporation (Ciardi & Ferrara 2005). Par leur faible potentiel gravitationnel, les objets de masse totale inférieure à 109 M⊙ sont plus sujets à ce type d’événement (Scannapieco et al. 2000). Ce phénomène est important à considérer dans les modèles, car ces galaxies pourraient, si elles ne sont pas considérées comme supprimées, contribuer grandement à l’enrichissement du MIG par leurs potentiels vents galactiques et ainsi biaiser les résultats. Dans le cas où les vents galactiques sont anisotropes, la suppression du processus de formation de galaxies est moins efficace, car les vents vont avoir tendance à se propager loin des structures denses de l’Univers. D’ailleurs, comparativement aux vents isotropes, Pinsonneault et al. (2010) ont montré que l’utilisation des vents anisotropes dans les simulations à grande échelle permettait de doubler le nombre de galaxies formées et par conséquent, de produire deux fois plus de vents galactiques. Ainsi, les métaux éjectés dans le MIG pourraient couvrir jusqu’à 3.5 fois plus de volume que dans le cas de vents isotropes. Dans certains cas, la matière éjectée par un vent galactique peut retomber dans la galaxie hôte et être réincorporée dans le MIS. Ce processus, communément appelé fontaine galactique (Shapiro & Field 1976; de Gouveia Dal Pino et al. 2009; Melioli et al. 2009), se produit lorsque l’énergie contenue dans un vent est insuffisante pour que ce dernier puisse quitter le puits de potentiel gravitationnel du halo de matière sombre dans lequel est plongée une galaxie (Bertone et al. 2007). Donc en théorie, les fontaines galactiques sont plus souvent associées aux galaxies massives (Dalla Vecchia & Schaye 2008; Dubois & Teyssier 2008; Oppenheimer et al. 2010). Puisqu’en moyenne, selon le scénario hiérarchique, les galaxies les plus massives ne se sont formées que récemment, le nombre de fontaines galactiques devrait donc dépendre du décalage vers le rouge. En effet, des simulations ont montré que les vents galactiques produits à des décalages vers le rouge élevés sont capables d’enrichir une fraction significative de l’Univers, alors que ceux produits à des époques plus récentes ont plus tendance à produire des fontaines galactiques (Oppenheimer & Davé 2006; Oppenheimer et al. 2012). Une fois retombée, la matière peut cependant être recyclée et éjectée de nouveau, produisant un cycle périodique de fontaines galactiques. Selon Oppenheimer & Davé (2006), le gaz peut être recyclé de cette façon jusqu’à trois ou quatre fois durant la vie d’une galaxie. Ce gaz recyclé, en retournant dans le MIS, peut être utilisé pour former de nouvelles étoiles (Marinacci et al. 2. Nuage de gaz qui est sur le point de subir un effondrement gravitationnel pour former une galaxie. 3. Un système virialisé représente un système gravitationnellement stable. 7 2010), ce qui peut engendrer une série de petits sursauts de formation stellaire étalée sur plusieurs milliards d’années. 1.2.2 Rencontres entre galaxies Durant l’évolution de l’Univers, les collisions de galaxies ont joué un rôle très important dans l’assemblage de ces objets (Mo & White 2002). Les collisions sont dites majeures lorsque les galaxies en question ont des masses similaires et mineures lorsqu’il en est autrement. Ces rencontres se sont produites plus fréquemment à hauts décalages vers le rouge (Davé 2011), car les structures de l’Univers étaient plus denses et les galaxies plus proches les unes des autres. À des décalages vers le rouge entre 2 et 0, les collisions mineures ont été plus fréquentes que les collisions majeures (Naab et al. 2009). Toutefois, environ 50 % des galaxies observées aujourd’hui ayant des masses stellaires supérieures à 5 × 1010 M⊙ auraient subi une collision majeure depuis z = 0.8 (Bell et al. 2006). Ces collisions majeures, en plus de modifier grandement la cinématique et la morphologie des galaxies, peuvent engendrer des sursauts de formation stellaire si les galaxies en interaction possèdent suffisamment de gaz (Brook et al. 2007; Richard et al. 2010). D’ailleurs, dans l’Univers proche, presque toutes les galaxies en phase active de formation stellaire sont issues d’une collision (Bournaud 2011). Les observations de Elbaz & Cesarsky (2003) suggèrent même que la majorité des étoiles observées aujourd’hui se seraient formées lors d’interactions de galaxies. Selon Bournaud (2011) et de Gouveia Dal Pino et al. (2009), les galaxies ayant subi une collision majeure peuvent montrer un TFS jusqu’à 10 ou 20 fois supérieur à la normale. De plus, ces collisions augmentent le taux d’accrétion du trou noir supermassif au centre des galaxies résultantes, ce qui génère une grande quantité d’énergie. Suite à ces interactions, il est donc fort probable qu’un vent galactique se développe au sein de ces galaxies (Debuhr et al. 2012; Hopkins et al. 2013), ce qui signifie que les collisions devraient avoir des impacts sur l’évolution du MIG, autant sur son état physique que sur son niveau d’enrichissement. Parfois, lorsque les galaxies se retrouvent relativement près les unes des autres, elles peuvent ressentir des effets gravitationnels sans entrer en collision. Ces interactions peuvent également participer à l’enrichissement chimique du MIG, puisqu’une partie du MIS enrichie par les étoiles peut se retrouver dans le MIG ou le MIA . En effet, la rencontre entre deux ou plusieurs galaxies peut créer des effets de marée (Gnedin 2003), ou dissoudre complètement une galaxie (Martel et al. 2012). Dans ce dernier cas, les étoiles et le MIS de la galaxie disloquée sont étalés dans l’espace intergalactique. De plus, les galaxies naines peuvent laisser leur MIS derrière elles, dans le milieu environnant, en passant à travers une région très dense comme un filament ou le halo d’une galaxie plus massive (Bekki 2009; Benítez-Llambay et al. 2013). Tous ces phénomènes sont plus fréquents dans les amas de galaxies, car la densité d’objets est plus grande. La métallicité moyenne du MIA observée à 0.1 < z < 1.3 se situe environ entre 0.2 et 0.4 Z⊙ (Maughan et al. 2008). Selon Aguirre et al. (2001a), la dislocation des galaxies 8 ne serait responsable que de 1/12 des métaux observés dans le gaz des amas riches. Mais d’un autre point de vue, Wiersma et al. (2011) affirment que dans le MIA, ces événements pourraient être le mécanisme d’enrichissement dominant. Pour ce qui est du reste du MIG, c’est-à-dire dans les régions les moins denses, la dislocation des galaxies est loin d’être un candidat important pour expliquer les métaux observés, car les rencontres entre galaxies sont trop rares. Il est bien de noter cependant que le gaz d’une galaxie naine peut se faire évaporer par la radiation ultraviolette provenant des galaxies voisines et se retrouver dans le MIG (Gnedin 2000; Pieri & Martel 2007; Okamoto et al. 2008; Kuhlen & Faucher-Giguère 2012), ce qui ne nécessite aucune rencontre proche avec d’autres galaxies. 1.2.3 Accrétion du milieu intergalactique Lorsqu’une galaxie se forme, il est fort probable qu’elle accrète du gaz provenant du MIG. La quantité de matière accumulée de cette façon dépend de la profondeur du puits de potentiel gravitationnel ainsi que de la pression du gaz (Benson 2010). L’accrétion de matière intergalactique favorise la formation d’un disque supporté par la rotation (Kereš et al. 2005). La plupart des galaxies observées à z = 2 − 3 qui ont une phase active de formation stellaire ont une cinématique et une morphologie qui sont incompatibles avec l’hypothèse d’un sursaut de formation d’étoiles induit par une collision (Dekel et al. 2009). L’accrétion de matière intergalactique pourrait donc être le mécanisme principal pour approvisionner les galaxies en gaz. Cependant, des observations ont montré que la fraction de gaz à l’intérieur des galaxies diminuait avec le temps (Tacconi et al. 2010). Ainsi, selon Davé (2011), le processus d’accrétion devrait être accompagné d’un vent galactique afin d’expliquer ces observations. Tout comme les collisions de galaxies, l’apport en gaz provenant de l’accrétion du MIG peut engendrer de la formation stellaire. Davé (2011) a montré analytiquement qu’avec l’accrétion, une galaxie à z = 2 formerait au minimum dix fois plus d’étoiles que si elle était à z = 0, ce qui est consistant avec les observations du TFS cosmique. Tout ce qui favorise la formation stellaire favorise dans un sens la production d’un vent galactique et par conséquent peut avoir des répercussions sur le MIG. Il existe deux modes d’accrétion. Le premier est l’accrétion chaude où le gaz du MIG pénètre à l’intérieur de la galaxie de manière supersonique (Benson 2010). Un choc se produit alors aux environs du rayon du viriel, qui est le rayon qui fait la séparation entre le halo de matière sombre et le MIG. Si la galaxie supporte le choc, une atmosphère de gaz chaud se formera autour d’elle. Selon sa température, sa composition et son taux d’accrétion, l’atmosphère pourra éventuellement se refroidir et le gaz originairement du MIG pourra s’infiltrer dans le MIS (Dekel et al. 2009). Ce type d’accrétion se fait de manière relativement sphérique. À l’inverse, l’accrétion froide provient des filaments cosmiques qui sont, à grande échelle, connectés aux galaxies (voir Figure 1.1). À l’intérieur de ces filaments, en raison de la grande densité, le gaz reste relativement froid avant de rencontrer une galaxie (Kereš et al. 2009). Le 9 gaz entre donc à l’intérieur d’une galaxie sans subir de choc et par conséquent, sans haussement significatif de température (Benson 2010). Les temps de refroidissement associés à ce type d’accrétion sont suffisamment courts pour éviter la formation d’un choc stable. Dans ce cas, la matière tombe à l’intérieur de la galaxie approximativement à la vitesse de chute libre (Kereš et al. 2009). Le mode d’accrétion qui domine entre chaud et froid dépend de la masse du halo de matière sombre. Les galaxies ayant un halo de matière sombre de masse inférieure à 2 − 3 × 1011 M⊙ subiront de l’accrétion froide provenant des filaments (Kereš et al. 2005). Pour les galaxies plus massives, le mode d’accrétion chaud sera dominant. Cependant, à hauts décalages vers le rouge, les filaments froids peuvent persister à l’intérieur des halos de plus de 2 − 3 × 1011 M⊙ (Kereš et al. 2009). En effet, ces derniers ont montré qu’à z > 2, toutes les galaxies, peu importe leur masse, sont dominées par l’accrétion froide. Les simulations de Katz & White (1993) ont d’ailleurs montré que les halos de matière sombre augmentent plus leur masse via le flot de matière provenant des filaments que via un effondrement relativement sphérique. Kereš et al. (2005) affirment que l’accrétion froide pourrait avoir eu de grandes répercussions sur l’histoire de la formation stellaire à l’échelle cosmique. En effet, plus le taux d’approvisionnement en gaz d’une galaxie est grand, plus il y aura d’étoiles. Certains phénomènes peuvent réduire l’efficacité de l’accrétion. Pour les galaxies massives, le chauffage provenant de leur trou noir supermassif central pourrait empêcher le gaz chauffé par le choc de se refroidir alors que pour les galaxies peu massives, leur vent galactique pourrait freiner ou même repousser la matière en accrétion (Kereš et al. 2009). D’un autre point de vue, l’accrétion de matière peut considérablement diminuer la portée d’un vent galactique (Dubois & Teyssier 2008). Cependant, la présence d’un vent galactique ne va pas nécessairement affecter l’accrétion froide à tout coup. Si ce vent est anisotrope et se développe dans les zones de moindre résistance, il est possible que la matière éjectée ne soit pas en direction des filaments cosmiques. Ainsi, l’accrétion froide pourrait approvisionner la galaxie en gaz pour former des étoiles qui engendreraient un vent galactique relativement constant et de longue durée en direction des régions peu denses de l’Univers. Les résultats des simulations à très haute résolution de Powell et al. (2011) ont confirmé ce scénario. 1.3 Mécanismes de propulsion de vents galactiques Tel que mentionné dans le chapitre précédent, un vent galactique se produit lorsque le MIS acquiert suffisamment d’énergie pour qu’une partie de son gaz soit éjectée dans le MIG. Ce phénomène peut être causé par plusieurs processus physiques. Chaque processus possède ses propres caractéristiques et affecte donc la galaxie hôte de manière différente à des époques différentes. Les prochaines sections donnent un aperçu de chaque mécanisme de propulsion. Il est important d’être conscient de ces différents mécanismes, car le vent galactique représente 10 l’outil de prédilection des MSAs pour réguler le TFS des galaxies. 1.3.1 Pression radiative Le MIS d’une galaxie baigne dans un champ radiatif qui est produit par des sources internes comme les étoiles et l’émissivité du gaz et par des sources externes comme les galaxies voisines et le fond de radiation cosmique. Puisque la radiation interagit avec la matière, ce champ radiatif affecte la température et l’état du MIS (Lequeux 2002). Par des processus d’absorption, la quantité de mouvement des photons peut être transférée aux particules présentes dans le gaz, augmentant ainsi leur énergie cinétique. Les grains de poussière ont une très grande section efficace comparativement au reste du gaz présent dans le MIS, car ils sont composés d’un grand nombre d’atomes et de molécules et possèdent des tailles allant de 50 à 2500 Å (Boulanger et al. 2000). Ce faisant, la poussière est un excellent candidat pour générer de l’énergie cinétique dans le MIS à partir d’un champ radiatif, en supposant que les grains de poussière transmettent par collision leur énergie cinétique au gaz environnant. Il existe une luminosité critique L propre à chaque galaxie où la vitesse du gaz poussé par la pression radiative contrebalance l’attraction gravitationnelle du halo de matière sombre (Murray et al. 2005). Si la luminosité à l’intérieur d’une galaxie excède L, un vent galactique pourra alors se développer (Sharma et al. 2011; Hopkins et al. 2012a). Les étoiles massives sont d’excellentes candidates pour fournir une telle radiation. L’utilisation de ce type de vent galactique dans les modèles permet de reproduire le TFS cosmique observé pour les galaxies ayant des masses stellaires entre 1010 et 1011 M⊙ (Davé et al. 2011). La profondeur optique du MIS est un facteur important à considérer en ce qui concerne l’efficacité du vent galactique. En effet, dans le cas optiquement épais, la luminosité limite L de la galaxie est déterminée par la densité et la vitesse de dispersion du gaz interstellaire alors que dans le cas optiquement mince, L est représentée par la luminosité d’Eddington (Murray et al. 2005). Puisque ce mécanisme de propulsion n’implique pas à la base des ondes de choc, la température de la matière éjectée est en général plus basse que dans le cas des vents galactiques propulsés par l’énergie mécanique (voir la prochaine section) (Murray et al. 2011; Sharma & Nath 2012). Dans ce formalisme, plus il y a des grains de poussière dans le MIS, plus l’énergie radiative sera transférée au gaz et plus il y aura de chances d’avoir un vent galactique (Sharma et al. 2011). Les grains sont en grande majorité créés dans l’atmosphère des étoiles de faible masse sur la branche asymptotique des géantes (Boulanger et al. 2000). Puisque ces étoiles vivent au moins cent millions d’années avant d’entrer dans les stades de combustion évolués, cela signifie que ce type de vent galactique a probablement été moins efficace dans le passé, car il y avait moins de poussière à cette époque. Cependant, des grains peuvent aussi se former dans les SNe et donc apparaître tôt dans l’évolution des galaxies, mais en moins grande quantité. En résumé, dans les premiers moments d’une galaxie, ce type de vent galactique est certainement moins efficace mais reste plausible (Murray et al. 2005). Dans le cas idéal, la poussière est 11 complètement couplée au gaz du MIS et toute l’énergie cinétique accumulée par les grains est transférée au gaz environnant. Cependant, si la poussière est faiblement couplée au gaz du MIS, le vent n’entraînera alors que de la poussière qui sera dissociée dans le MIG (Aguirre et al. 2001a). 1.3.2 Énergie mécanique Mise à part la radiation, l’énergie mécanique contenue dans les éjecta des vents stellaires et des SNe 4 peut également produire un vent galactique (Murray et al. 2005; Creasey et al. 2013; Falceta-Gonçalves 2013; Recchi & Hensler 2013; Roy et al. 2013; Keller et al. 2014). En entrant en collision avec le gaz interstellaire, ces éjecta produisent des ondes de choc et réchauffent le gaz à des températures supérieures à 106 K. Lorsque cela se produit, la pression du gaz entourant une étoile devient supérieure à celle du milieu ambiant, ce qui force le gaz chauffé à prendre de l’expansion. En balayant une partie du MIS dans sa course, les étoiles finissent par produire des bulles interstellaires pressurisées ayant la géométrie d’une coquille mince 5 (Cox 1972; Chevalier 1974; Castor et al. 1975; Weaver et al. 1977). Tout dépendant du taux d’injection d’énergie mécanique et de la dispersion spatiale des étoiles, le volume occupé par ces bulles, par rapport au volume du MIS, peut devenir significatif et ainsi perturber l’activité stellaire au sein d’un galaxie (Cox & Smith 1974; McKee & Ostriker 1977; Slavin & Cox 1993; Cox 2005). Lorsque les bulles deviennent suffisamment volumineuses, l’intérieur des bulles fuit dans le halo des galaxies et dans le MIG, entraînant dans sa course une partie du MIS (Mac Low & McCray 1988; Mac Low et al. 1989). Les vents stellaires peuvent aider les SNe au développement d’un vent galactique, mais ne peuvent en temps normal le générer à eux seuls. Il est donc fréquent dans la littérature de ne considérer que les SNe lorsqu’il s’agit de ce type de vent galactique. Cependant, les vents stellaires peuvent devenir très significatifs lorsque les étoiles possèdent une composition chimique égale ou supérieure à la composition solaire (Leitherer et al. 1992). La dispersion des étoiles dans le MIS d’une galaxie joue un rôle important dans la production d’un vent galactique. Considérons premièrement le cas où plusieurs étoiles explosent dans un petit volume. Cette cohérence permet aux SNe de combiner leur énergie mécanique et de créer des superbulles qui peuvent éjecter le gaz interstellaire hors de la galaxie à des vitesses pouvant atteindre plusieurs milliers de km s−1 (Veilleux et al. 2005). Mais malgré cette grande vitesse d’éjection, ce vent n’entraînera pas beaucoup de gaz interstellaire, car les étoiles sont rassemblées au même endroit. Dans le cas où les SNe sont dispersées uniformément dans la galaxie, le vent galactique, s’il y en a un, contiendra beaucoup plus de gaz, mais aura une vitesse d’éjection moins grande, puisque l’énergie mécanique des différentes bulles ne sera pas combinée. Mais plusieurs travaux ont montré que les explosions individuelles ne risquent pas de fournir l’énergie nécessaire à la production d’un vent galactique, sauf si les étoiles sont situées en périphérie 4. L’énergie mécanique est en fait l’énergie cinétique des éjecta. 5. La couche mince et dense d’une coquille représente le gaz interstellaire balayé. 12 Figure 1.3 – Galaxie M82 vue par les télescopes spatiaux Spitzer (infrarouge), Hubble (visible) et Chandra (rayons X). Il s’agit d’une image combinée où le rouge et le bleu correspondent aux images prises respectivement par les télescopes Spitzer et Chandra. d’une galaxie (Baumgartner & Breitschwerdt 2013). En général, les superbulles semblent être l’unique moyen de générer ce type de vent (Nath & Shchekinov 2013; Sharma et al. 2014). En résumé, l’énergie mécanique aura tendance à être plus efficace dans les galaxies de petites tailles, car les étoiles explosent dans un espace plus confiné. Ce scénario est consistant avec les observations du vent galactique de la galaxie irrégulière M82 (Hoopes et al. 2003; Strickland & Stevens 2000), qui montrent de l’émission en rayons X correspondant au gaz chauffé par des ondes de choc (Figure 1.3). Mis à part l’Univers local, certains travaux ont montré que l’énergie mécanique serait également la cause principale des vents galactiques pour les galaxies de faible masse à hauts décalages vers le rouge (Choi & Nagamine 2011). Tout comme la pression radiative, l’énergie mécanique n’est pas toujours efficace pour générer un vent galactique. En effet, le vent galactique des galaxies de masses supérieures à 1012 M⊙ n’est pas produit par ce mécanisme de propulsion (Kobayashi et al. 2007). La raison principale est que le gaz chauffé par les SNe et les vents stellaires a tendance à se refroidir et à rester confiné au MIS. Cela signifie que la capacité des étoiles à produire ce type de vent galactique dépend du taux de refroidissement radiatif, qui lui dépend principalement de la densité du gaz interstellaire (e.g. Hopkins et al. 2012a; Lagos et al. 2013). Plus un gaz est dense, plus il se refroidit rapidement, ce qui explique entre autres pourquoi les filaments cosmiques 13 sont en moyenne plus froids que les autres régions du MIG. Même s’il y a production d’un vent galactique, l’énergie mécanique risque donc de ne pas être utilisée à son plein potentiel (Murray et al. 2005). Mori et al. (2002) ont d’ailleurs montré à l’aide d’une simulation hydrodynamique que dans le cas d’une galaxie de masse totale de 2 × 108 M⊙ à z = 9, seulement 30 % de l’énergie mécanique des SNe est utilisée pour produire le vent galactique. Compte tenu de cette dépendance à la densité, la pression radiative et le pouvoir ionisant des étoiles massives jouent donc un rôle primordial dans l’évolution des bulles interstellaires et dans la production d’un vent galactique, car cette radiation réduit considérablement la densité du voisinage stellaire avant l’arrivée des chocs (Nath & Silk 2009; Hopkins et al. 2012b). 1.3.3 Noyau actif galactique Les noyaux actifs galactiques (NAGs) présents au sein de certaines galaxies produisent une énorme quantité d’énergie. Selon Crenshaw et al. (2003), la luminosité bolométrique produite par un NAG peut atteindre des valeurs allant de 1040 jusqu’à 1047 ergs s−1 . Cette énergie est générée suite à l’accrétion de matière sur le trou noir central supermassif d’une galaxie (Proga 2007). Ces objets supermassifs auraient comme origine les trous noirs laissés par les étoiles de population III, ou l’effondrement gravitationnel d’un gaz pauvre en métaux qui aurait formé directement un trou noir au lieu de former une étoile. Tout dépendant du scénario, la masse initiale des trous noirs supermassifs se trouverait entre 100 et 106 M⊙ (Heger & Woosley 2002; Begelman et al. 2006; Lodato & Natarajan 2006). Au court du temps, chaque trou noir a progressivement augmenté sa masse en absorbant le gaz à l’intérieur d’un disque d’accrétion. À l’instar des étoiles, l’énergie produite par les NAGs peut produire un vent galactique (Veilleux et al. 2005; King 2010; Sturm et al. 2011; Debuhr et al. 2012; Faucher-Giguère & Quataert 2012; Zubovas & Nayakshin 2014; Gabor & Bournaud 2014). Il est d’ailleurs possible qu’un vent galactique puisse être propulsé à la fois par l’énergie des étoiles et par l’énergie d’un NAG (Schindler & Diaferio 2008; Booth & Schaye 2013). Le taux de perte de masse d’un vent galactique propulsé par un NAG est directement proportionnel au taux d’accrétion de matière sur le trou noir central d’une galaxie (Hamann & Sabra 2004). Selon Monaco & Fontanot (2005), seulement 0.3 % du budget énergétique d’un NAG serait nécessaire pour éjecter une bonne partie du MIS d’une galaxie. Bien que les NAGs aient un potentiel énergétique énorme, ces objets ne sont présents qu’à l’intérieur des galaxies les plus massives (Bellovary et al. 2011; Fabian 2012). Les observations de Kauffmann et al. (2003a) ont d’ailleurs montré que la fraction des galaxies possédant un NAG diminue fortement lorsque la masse stellaire est inférieure à 1010 M⊙ . Puisque les galaxies massives ne sont apparues que tard dans l’histoire de l’Univers, les NAGs sont en moyenne de plus en plus abondants lorsque le décalage vers le rouge diminue (Choi & Nagamine 2011). Mais cela n’exclut pas la possibilité d’observer des NAGs à des décalages vers le rouge plus élevés. En effet, les quasars qui sont des objets possédant un NAG puissant, ont principalement 14 été observés entre z = 4 et z = 1 (Hamann & Sabra 2004). D’autre part, les observations de Maiolino et al. (2004) ont montré plusieurs vents galactiques propulsés par un NAG entre z = 6.4 et z = 4.9. Mais globalement, les NAGs semblent avoir dominé à z < 3 (Levine & Gnedin 2005), ce qui est consistant avec le scénario hiérarchique. Contrairement aux autres mécanismes de propulsion, les NAGs produisent dans certains cas des vents galactiques en forme de jets perpendiculaires au disque d’accrétion (Veilleux et al. 2005). Mais ce disque d’accrétion n’est pas nécessairement aligné avec l’axe majeur de la galaxie hôte, ce qui peut engendrer des jets orientés aléatoirement par rapport au plan du disque des galaxies (Ulvestad & Wilson 1984). Mais lorsque les jets sont perpendiculaires au plan d’une galaxie, ce type de vent galactique a tendance à perturber en premier lieu l’évolution de l’entourage de la galaxie, plutôt que la galaxie elle-même. En effet, plusieurs modèles dans la littérature considèrent que le NAG d’une galaxie massive ne fait que réduire le taux d’approvisionnement en gaz provenant du milieu externe à la galaxie (e.g. Croton et al. 2006; Monaco et al. 2007). Il s’agit là d’un autre mécanisme pour réguler la formation stellaire, puisqu’une galaxie reçoit moins de gaz pour former ses étoiles. D’un autre côté, Schindler & Diaferio (2008) ont affirmé qu’il est possible pour un NAG de produire un vent galactique ayant une géométrie similaire à celui produit par l’énergie mécanique ou la pression radiative. La variété de morphologies s’explique par les différents mécanismes de propulsion associés aux NAGs. En effet, chaque mécanisme tend à repousser la matière environnante dans des directions différentes. Un premier mécanisme est l’ionisation du gaz par la radiation ultraviolette et la radiation X provenant du NAG (Crenshaw et al. 2003). L’élévation de la température augmente la pression à l’intérieur du gaz et engendre une expansion relativement sphérique, de manière similaire à une région HII. Le problème avec ce processus est que le gaz se refroidit trop rapidement pour produire un vent galactique à grande échelle (Everett 2007). Un deuxième mécanisme est la pression radiative sur la poussière (Crenshaw et al. 2003; Proga 2007). Cependant, cela n’est efficace qu’au-delà d’une certaine distance du trou noir, car la poussière se fait dissocier par la radiation lorsqu’elle en est trop près. Ce mécanisme tend à éjecter la matière le long du plan du disque d’accrétion. Finalement, le champ magnétique, produit par les ions présents dans le disque d’accrétion, peut éjecter du gaz perpendiculairement au plan du disque d’accrétion (Everett 2007). Ce mécanisme domine lorsque la luminosité du NAG est relativement faible. Les vents galactiques résultants peuvent donc avoir des formes très diverses. De plus, certains vents montrent des flots complexes avec des noeuds, ce qui enlève toute symétrie (Proga 2007). 1.3.4 Rayons cosmiques La pression induite sur le MIS par les rayons cosmiques est sans aucun doute le mécanisme de propulsion de vent galactique qui a été le moins étudié. Ces rayons sont en fait des noyaux d’atomes qui se déplacent à des vitesses relativistes. La plupart des rayons cosmiques semblent 15 provenir des SNe (Samui et al. 2010) qui sont également des sources importantes d’énergie. En traversant un plasma qui baigne dans un champ magnétique, les rayons cosmiques peuvent générer des ondes magnétohydrodynamiques (Ipavich 1975). En effet, la pression exercée par ces particules est d’abord ressentie par le champ magnétique, qui induit par la suite cette pression au gaz ionisé (Lequeux 2002). Lorsque cela se produit, le gaz du MIS devient couplé aux rayons cosmiques. Puisque ces derniers peuvent quitter le puits de potentiel gravitationnel de la galaxie hôte, le couplage peut donc permettre à ces rayons d’entraîner avec eux une partie du gaz interstellaire et de produire un vent galactique (Völk 2007; Uhlig et al. 2012; Booth et al. 2013; Salem & Bryan 2014). De plus, en générant des ondes magnétohydrodynamiques, les rayons cosmiques diffusent leur énergie et la déposent dans le MIS (Dorfi 2004). Selon Dorfi (2004), la contribution des rayons cosmiques à la production d’un vent galactique serait négligeable lorsque l’énergie mécanique des SNe est suffisante pour le produire. Mais d’un autre côté, lorsque l’énergie mécanique des SNe n’est pas transférée efficacement au MIS, les rayons cosmiques pourraient à eux seuls générer un vent galactique (Samui et al. 2010). Selon ces derniers auteurs, puisque les galaxies à hauts décalages vers le rouge avaient des TFS beaucoup plus importants que ceux d’aujourd’hui, il est donc possible que les rayons cosmiques aient joué un rôle significatif dans la production des vents galactiques à ces époques. De plus, selon ces mêmes auteurs, la masse éjectée par ce type de vent serait plus importante pour les galaxies de faible masse. Cette section n’a été présentée qu’à titre informatif, car le modèle développé dans le cadre du projet de doctorat ne considère pas la présence des rayons cosmiques. 1.4 Enrichissement du milieu intergalactique L’enrichissement du MIG a presque entièrement été causé par les vents galactiques. Dans le cas du MIA, la pression de bélier et les interactions gravitationnelles entre les galaxies peuvent avoir joué un rôle significatif. Malgré les nombreux travaux disponibles de nos jours, il est encore difficile de déterminer quand et quelles galaxies ont éjecté au total le plus de métaux dans le MIG. De plus, il est encore difficile de déterminer quel mécanisme de propulsion des vents galactiques a été le plus important (Choi & Nagamine 2011). Dans un sens, ce problème est étroitement lié à la masse des galaxies, car les vents galactiques propulsés par l’énergie mécanique et les rayons cosmiques semblent être associés aux galaxies de faible masse alors que les vents propulsés par la pression radiative et les NAGs semblent dominer chez les galaxies plus massives. Ainsi, puisque la masse moyenne des galaxies évolue avec le temps, chaque mécanisme de propulsion devrait dominer à des époques différentes. Un des objectifs du projet de thèse est d’étudier la contribution des différents mécanismes de propulsion sur l’évolution de l’enrichissement chimique du MIG. Les prochaines sections présentent donc le portrait actuel des recherches sur l’enrichissement à grande échelle, pour les différentes époques de l’Univers. 16 1.4.1 Enrichissement primordial Les étoiles de population III se sont formées avant l’arrivée des premières galaxies. Des simulations ont montré que les métaux produits par les premières SNe se sont dispersés très rapidement et ont enrichi les nuages prégalactiques. La métallicité à l’intérieur des premières galaxies pourrait d’ailleurs avoisiner 10−3 Z⊙ , et ce, avant même l’arrivée du sursaut de formation d’étoiles initial (Bromm & Yoshida 2011). Les SNe issues des premières étoiles n’ont pas seulement enrichi les nuages prégalactiques, mais ont également enrichi le MIG. Les simulations hydrodynamiques de Bromm et al. (2003) ont montré que, déjà à z ≈ 15, une grande partie de l’Univers pourrait avoir une métallicité minimale d’environ 10−4 Z⊙ . Aujourd’hui, les métaux provenant de l’enrichissement primordial sont beaucoup plus uniformes et couvrent un plus grand volume dans l’espace intergalactique que les métaux récemment éjectés (Madau et al. 2001; Scannapieco et al. 2002). En effet, plus l’enrichissement se fait tôt dans l’histoire de l’Univers, plus les métaux se feront disperser par l’expansion de l’Univers. Ce mouvement d’entraînement engendre donc un enrichissement plus uniforme, mais de faible densité. 1.4.2 Enrichissement entre z ∼ 10 et z ∼ 6 Dans les premiers moments de formation des galaxies, à hauts décalages vers le rouge, la masse moyenne des galaxies était très faible comparativement à aujourd’hui. Plusieurs simulations, dont celles de Scannapieco et al. (2002), suggèrent que cette période ait été très importante en ce qui concerne la production de vents galactiques, car les puits de potentiel gravitationnel n’offraient qu’une faible résistance à l’éjection de matière. Cela concorde avec les simulations de Mac Low & Ferrara (1999) qui ont déterminé que la plus grande partie de l’enrichissement du MIG aurait été causée par les galaxies de faible masse. De plus, les simulations de Madau et al. (2001) et de Ferrara (2002) suggèrent que les métaux observés aujourd’hui ont principalement été éjectés par des galaxies de masse totale d’environ 108 M⊙ à z = 9. Dans le même ordre d’idées, Scannapieco (2005) et Shen et al. (2010) ont mis en évidence numériquement que les galaxies de masse inférieure à 1011 M⊙ ont été les plus efficaces pour enrichir le MIG, car leurs vents galactiques se sont produits à des hauts décalages vers le rouge et ont donc pu couvrir un grand volume. Si l’on exclut l’enrichissement primordial, ces derniers résultats sont consistants avec les analyses des spectres de quasars de Songaila (2001) qui ont suggéré que la métallicité du MIG était déjà de 3.5 × 10−4 Z⊙ à z ∼ 5. De plus, Aguirre et al. (2005) ont montré à l’aide de plusieurs simulations que les vents galactiques à z < 6 ne pouvaient pas complètement expliquer les raies d’absorption du CIV observées dans le MIG et qu’un enrichissement à plus haut décalage vers le rouge était nécessaire. Cependant, il est bien de noter que toutes les simulations citées dans cette section n’ont utilisé que l’énergie mécanique pour produire leurs vents galactiques. Même si cela reste une supposition raisonnable, puisque les galaxies étaient de faible masse à hauts décalages vers le rouge, il est important d’inclure le maximum de mécanismes de propulsion dans les études 17 afin de bien cerner la contribution de chacun sur l’enrichissement du MIG. 1.4.3 Enrichissement entre z ∼ 6 et z ∼ 2 Malgré l’importance des vents galactiques à hauts décalages vers le rouge, plusieurs travaux suggèrent que la période d’enrichissement la plus active s’est produite à des décalages vers le rouge intermédiaires. En effet, selon Oppenheimer et al. (2007), la grande majorité de l’enrichissement du MIG se serait produite entre z ∼ 6 et z ∼ 2. Certains spectres de qua- sars ont également montré que les régions peu denses du MIG, à z ∼ 3, ont une métallicité allant de 10−3 à 10−2 Z⊙ (Aguirre et al. 2001b), ce qui dépasse largement le 3.5 × 10−4 Z⊙ observé à z ∼ 5 par Songaila (2001). Après avoir calculé la quantité de métaux qui se sont produits à l’intérieur des galaxies et comparant avec les observations, Bouché et al. (2007) ont déduit qu’environ 25 à 50 % des métaux produits par les étoiles se trouvaient dans le MIG à z = 2. En fait, selon Wiersma et al. (2011), la métallicité du MIG aurait augmenté par plus d’un ordre de grandeur entre z = 5 et z = 0, ce qui réduit considérablement l’importance de l’enrichissement à hauts décalages vers le rouge. Les galaxies responsables de cet apport en métaux semblent être plus massives que dans le cas de l’enrichissement à haut décalage vers le rouge. Tescari et al. (2009) ont montré numériquement que les densités de colonne du HI, CIV et du OVI à z = 3 dans le MIG étaient significativement affectées par les vents galactiques provenant des galaxies ayant des masses totales entre 109 à 1010 h−1 M⊙ . Cela concorde avec Bertone et al. (2005) qui ont suggéré que même si les vents galactiques se développent plus fréquemment dans les galaxies naines, de par leur faible potentiel gravitationnel (Ciardi & Ferrara 2005), les galaxies ayant des masses stellaires entre 109 et 1010 M⊙ auraient fourni la majorité des métaux observés à z ∼ 3. À z ∼ 2, selon Wiersma et al. (2010), l’enrichissement du MIG semble avoir été dominé par les galaxies de masse totale d’environ 1011 M⊙ . Par des moyens semi-analytiques, Samui et al. (2008) ont déterminé que de 30 % à 60 % de l’Univers, entre z ∼ 6 et z ∼ 2, a été couvert par le vent galactique des galaxies ayant des masses totales entre 107 et 109 M⊙ . En résumé, la majorité des métaux observés dans le MIG aujourd’hui auraient été éjectés par des galaxies de 1011 M⊙ et moins (Kobayashi et al. 2007; Wiersma et al. 2010) à des décalages vers le rouge intermédiaires. Oppenheimer & Davé (2006) ont montré que l’utilisation de la pression radiative peut représenter les observations du CIV en absorption entre z ∼ 2 et z ∼ 5, et qu’il était improbable que cet enrichissement soit survenu à un z > 6, ce qui contredit les travaux de Aguirre et al. (2005) (voir section 1.4.2). Tescari et al. (2011) ont testé individuellement la pression radiative et l’énergie mécanique pour reproduire numériquement des spectres de quasars à z ∼ 3 et ont montré que les résultats étaient meilleurs lorsque les vents galactiques étaient produits par la pression radiative. Tescari et al. (2009) en sont venus à la même conclusion. Cependant, Bertone et al. (2005) ont montré que les vents galactiques propulsés par l’énergie mécanique 18 pouvaient reproduire la quantité de métaux observée dans le MIG à z ∼ 3. Choi & Nagamine (2011) ont utilisé simultanément la pression radiative et l’énergie mécanique et ont montré que la combinaison de ces deux mécanismes de propulsion produit des résultats différents de ceux produits lorsque chaque mécanisme est utilisé indépendamment. Ceci démontre bien que la manière de modéliser, ainsi que le choix des ingrédients dans un modèle, peut avoir de grandes répercussions sur les résultats. 1.4.4 Enrichissement entre z ∼ 2 et z ∼ 0 Aujourd’hui, les métaux que nous voyons dans le MIG représentent l’effet cumulatif de tous les processus d’enrichissement qui sont survenus depuis l’époque de formation des premières galaxies jusqu’à aujourd’hui. Ferrara (2002) affirme qu’actuellement, 50 % des métaux se retrouvent dans le MIG. Cependant, contrairement à ce que nous avons discuté jusqu’à maintenant, le MIG semble s’être appauvri en métaux entre z ∼ 2 et z ∼ 0. Tel que men- tionné dans la section 1.2.1, cela est causé par le fait qu’une grande quantité de gaz enrichi retombe à l’intérieur des galaxies entre z ∼ 2 et z ∼ 0. La fraction de métaux qui se retrouve dans le MIG par rapport à la fraction de métaux à l’intérieur des étoiles est d’ailleurs passée de 0.75 à z ∼ 2 à environ 0.118 à z ∼ 0 (Bouché et al. 2007). Des vents galactiques sont tout de même survenus durant cette période. Mais les galaxies de plus de 1012 M⊙ ne semblent pas avoir contribué significativement à l’enrichissement du MIG, car elles sont peu nombreuses et se retrouvent souvent au centre des amas (Bertone et al. 2007; Booth et al. 2012). En ne regardant que la contribution des NAGs, Germain et al. (2009) ont déterminé que la fraction du volume de l’Univers enrichie par les vents galactiques était relativement petite à z > 2.5, mais qu’elle a augmenté rapidement par la suite jusqu’à z = 0. Au total, ces vents galactiques ne contribueraient qu’à environ 10 ou 20 % des métaux observés dans le MIG (Barai et al. 2011). Ainsi, le reste des métaux proviendrait des vents galactiques générés à des époques différentes, par d’autres mécanismes de propulsions. 1.5 Simulations à grande échelle Étudier l’évolution du MIG à l’aide des simulations numériques n’est pas une tâche facile, car ce type d’étude implique une grande variété d’échelles. Premièrement, afin de reproduire un échantillon statistiquement significatif, une simulation de ce genre doit considérer un très grand volume d’espace pouvant couvrir au-delà de 10 000 galaxies. Mais couvrir un si grand volume n’est pas un défi en soi, car il s’agit en fait d’un paramètre d’entrée dans les simulations. Le défi est de réussir à simuler les processus internes des galaxies et de faire interagir ces dernières avec le reste de la simulation. Par exemple, la quantité d’énergie injectée dans le MIG, qui affecte la température du gaz à l’échelle cosmologique, dépend de la quantité d’étoiles qui se forment dans les galaxies. Il est donc nécessaire de pouvoir reproduire les mécanismes de rétroaction stellaire afin de créer le bon nombre d’étoiles. De plus, pour enri- 19 chir le MIG, les simulations doivent suivre le cheminement des métaux depuis leur création au centre des étoiles, jusqu’à leur dispersion dans l’espace intergalactique, le tout en passant par les galaxies elles-mêmes. Puisqu’il est actuellement impossible de simuler simultanément les processus physiques à l’échelle stellaire dans une simulation contenant des dizaines, voire des centaines de milliers de galaxies, la simulation à grande échelle pose donc un problème de taille. Les prochaines sections présentent un survol de la méthodologie utilisée dans la littérature pour inclure l’impact des galaxies dans de telles simulations cosmologiques. Nous nous concentrons particulièrement sur la production de vents galactiques, puisqu’il s’agit du mécanisme sélectionné dans ce projet de doctorat pour réguler la formation stellaire. 1.5.1 Simulations hydrodynamiques Tel que présenté dans la section 1.2, les interactions entre les étoiles, les galaxies et leur environnement se font par l’entremise du gaz, et ce, à différentes échelles. Les simulations hydrodynamiques sont donc a priori de très bonnes candidates, car elles peuvent suivre dans le temps les conditions physiques du gaz ainsi que son déplacement dans l’espace. Dans ce type de simulation, la matière sombre et le gaz présents à l’intérieur d’un cube numérique sont divisés en plusieurs particules 6 . Chaque particule représente un morceau de gaz ou de matière sombre et possède une masse qui dépend du volume de simulation et de la puissance des ressources computationnelles. La résolution de masse représente la capacité d’une simulation à résoudre les objets de faible masse. Il s’agit là d’un concept très relatif, car la résolution se compte également en termes de quantité de particules présentes dans une simulation. Même si une simulation à grande échelle ne peut pas résoudre un amas d’étoiles, elle peut tout de même posséder une plus grande résolution de masse qu’une simulation à l’échelle stellaire, si cette dernière possède un nombre inférieur de particules. Les particules de gaz dans une simulation hydrodynamique possèdent chacune leur propre état physique (température, densité, composition chimique, etc.), se déplacent et évoluent dans le temps selon les forces hydrodynamiques et gravitationnelles imposées par les particules voisines. La durée totale d’une simulation est divisée en plusieurs pas de temps ∆t. La résolution temporelle fait référence, dans ce cas-ci, à la capacité d’une simulation à résoudre des événements qui se produisent sur de courtes périodes de temps. Par exemple, il est difficile de bien résoudre l’évolution des étoiles massives, qui ne vivent que quelques millions d’années, à l’intérieur d’une simulation s’étalant sur plus de 10 milliards d’années. Tout comme la résolution de masse, la résolution temporelle est un concept relatif. Le Tableau 1.1 montre différentes études récentes qui ont utilisé des simulations hydrodynamiques à grande échelle 7 . La rétroaction, c’est-à-dire tout processus jouant contre la formation stellaire, est essen6. Il existe également la méthode eulérienne qui divise l’espace pour former une grille afin de suivre l’évolution de la matière. 7. Nous considérons qu’une étude est à grande échelle lorsqu’elle inclut plusieurs galaxies simultanément. 20 Tableau 1.1 – Études utilisant des simulations hydrodynamiques à grande échelle. De gauche à droite, les colonnes représentent la référence de l’étude, la taille de la simulation (en forme de cube), la masse d’une particule de matière sombre (la masse d’une particule de matière baryonique s’obtient en multipliant par ∼ 0.16), les mécanismes de rétroaction utilisés, ainsi que la méthode utilisée pour activer la rétroaction dans le code. Voir le texte pour l’explication des différentes méthodes. Référence Taille [h−1 Mpc] Résolution [h−1 M⊙ ] Rétroaction Méthode Oppenheimer & Davé (2006) 32 Pression radiative Cinétique Kobayashi et al. (2007) 10 2.01 ×108 8.16 ×107 Énergie mécanique Thermique Pression radiative Cinétique 9 Oppenheimer & Davé (2008) 64 1.89 ×10 Tescari et al. (2009) 10 2.00 ×106 Énergie mécanique Pression radiative Cinétique Shen et al. (2010) 45.6 3.60 ×107 Énergie mécanique Adiabatique Wiersma et al. (2010) 100 4.10 ×108 Énergie mécanique NAG Cinétique Thermique Choi & Nagamine (2011) 10 5.29 ×106 Énergie mécanique Pression radiative Cinétique Davé et al. (2011) 48 Pression radiative Cinétique Faucher-Giguère & Kereš (2011) 1.80 ×108 40 3.00 ×107 Énergie mécanique Cinétique Font et al. (2011) 20 6.63 ×106 Énergie mécanique Cinétique Tescari et al. (2011) 37.5 2.09 ×108 Énergie mécanique Pression radiative NAG Cinétique Cinétique Thermique Davé et al. (2013) 32 2.25 ×107 Énergie mécanique Pression radiative Cinétique Vogelsberger et al. (2013) 25 5.86 ×107 Énergie mécanique NAG Cinétique Thermique Velliscig et al. (2014) 400 3.70 ×109 Énergie mécanique NAG Cinétique Thermique Vogelsberger et al. (2014) 106.5 6.26 ×106 Énergie mécanique NAG Cinétique Thermique 21 tielle dans n’importe quelle simulation. Comme le montre ce dernier tableau, la pression radiative, l’énergie mécanique et les NAGs sont couramment utilisés, contrairement aux rayons cosmiques. Ces mécanismes peuvent être implantés de trois façons afin de réguler le TFS et possiblement de produire des vents galactiques. La méthode Cinétique implique que les particules aux alentours d’une zone de formation stellaire se font littéralement pousser par la pression radiative, ou l’énergie mécanique. Le paramètre d’entrainement η, qui est sans unité, est utilisé pour paramétriser ce processus, et est défini par η≡ ṀVG , Ṁ⋆ (1.1) où ṀVG et Ṁ⋆ sont respectivement le taux de perte de masse d’une galaxie (par un vent galactique) et son TFS. Habituellement, ce paramètre décrit la dynamique observée entre le vent galactique et l’activité stellaire d’une galaxie, d’un point de vue global (Veilleux et al. 2005). Mais dans les simulations hydrodynamiques, cette relation est utilisée localement pour chaque zone de formation stellaire à l’intérieur des galaxies, ce qui est statistiquement équivalent au point de vue global lorsqu’il y a un grand nombre de populations d’étoiles. En connaissant le TFS d’une région de gaz en effondrement et la durée d’un pas de temps ∆t, la masse éjectée d’une zone de formation stellaire peut donc être calculée de la manière suivante : Mej = η Ṁ⋆ ∆t. (1.2) Tout dépendant de l’étude en question, le paramètre η est soit une constante ou une fonction qui dépend du mécanisme de propulsion. En effet, selon Murray et al. (2005), pour un vent propulsé par l’énergie mécanique des étoiles massives (energy-driven), nous avons 1 2 Ṁej vej ∝ Ṁ⋆ , 2 (1.3) où vej représente la vitesse de la matière éjectée. Lorsque le vent est propulsé par la pression radiative, nous avons Ṁej vej ∝ Ṁ⋆ . (1.4) Dans ce cas, la propulsion se base sur la quantité de mouvement (momentum-driven) du gaz. Cette dernière équation peut également être utilisée lorsque les éjecta des étoiles poussent sur le gaz au lieu de créer des ondes de choc et des bulles interstellaires pressurisées. Ainsi, −2 −1 lorsqu’un vent est basé sur la quantité de mouvement, et η ∝ vej nous avons que η ∝ vej lorsqu’il est basé sur l’énergie. Dans les simulations hydrodynamiques (voir Tableau 1.1), η est utilisé pour calculer la masse éjectée Mej (équation 1.2) ainsi que sa vitesse d’éjection vej (équation 1.3 ou 1.4). Mais dans certains cas, cette dernière vitesse est fixée à une valeur constante. 22 Avec ces informations, chaque zone de formation d’étoiles dans les simulations assignera aux particules voisines une vitesse d’éjection vej en direction radiale. Le nombre de particules impliquées dans ce processus est déterminé par la masse des particules et la masse totale de gaz à pousser, Mej . Les particules voisines sont choisies aléatoirement jusqu’à ce que la masse Mej soit complètement distribuée. Lorsque les vitesses sont assignées, chaque particule poussée est découplée des forces hydrodynamiques durant un certain temps. Durant ce délai, elles n’interagissent que par la gravité, de la même manière que les particules de matière sombre. Ce découplage permet de générer efficacement des vents galactiques. Il est important de comprendre qu’avec cette méthode, les particules ne reçoivent que de l’énergie cinétique, ce qui signifie que leur température n’est pas modifiée par la rétroaction stellaire, même si le vent est propulsé par l’énergie mécanique. Dans la méthode Thermique, les particules de gaz ne reçoivent aucune injection d’énergie cinétique. Contrairement à la méthode Cinétique, la rétroaction modifie l’énergie interne et la température de chaque particule impliquée. En augmentant la température du gaz, un mouvement d’expansion est donc généré. Par sa nature, cette méthode n’implique donc que l’énergie mécanique et les NAGs (voir Booth & Schaye 2009). L’énergie générée par les étoiles, et dans certains cas par le NAG, est distribuée uniformément dans les particules voisines. La méthode Adiabatique, quant à elle, ne concerne que la rétroaction provenant de l’énergie des étoiles. Cette alternative à la méthode Thermique a été instaurée par Stinson et al. (2006) afin de régler le problème du refroidissement sur-efficace qui est causé par le manque de résolution à l’échelle stellaire. Au lieu de simplement chauffer les particules au voisinage d’une zone de formation d’étoiles, Stinson et al. (2006) se sont basés sur les travaux de McKee & Ostriker (1977) afin de suivre analytiquement l’évolution du rayon des bulles interstellaires produites par les étoiles. Cette phase analytique se termine lorsque les bulles deviennent suffisamment volumineuses pour être résolues avec la simulation hydrodynamique. Les simulations cosmologiques hydrodynamiques ont l’avantage de pouvoir simuler directement les différentes phases du gaz et de pouvoir suivre l’évolution dans l’espace des différentes structures internes des galaxies. En résumé, les simulations hydrodynamiques offriront toujours une comparaison plus directe et plus visuelle avec les observations. Mais pour simuler un grand nombre de galaxies, afin d’obtenir un échantillon significatif de l’Univers, les simulations doivent couvrir le plus grand volume possible. Puisque la puissance des ordinateurs et des super-ordinateurs est toujours limitée, augmenter le volume d’une simulation signifie qu’il faut également augmenter la masse des particules, ce qui implique que les galaxies naines deviennent soit ignorées ou mal résolues. En effet, avec de telles simulations, les galaxies les plus massives sont toujours les mieux résolues, car elles sont composées d’un plus grand nombre de particules. Ainsi, le gros désavantage de ces simulations est que les galaxies ne sont pas résolues au même niveau. Cela peut causer problème, car les galaxies de faible masse, de par leur nombre et leur faible potentiel gravitationnel, sont de très bonnes candidates pour enrichir 23 et interagir avec le MIG. 1.5.2 Modèles semi-analytiques Les modèles semi-analytiques (MSAs) offrent une alternative aux simulations hydrodynamiques. Cette technique traite l’évolution d’une galaxie par des moyens analytiques, ce qui implique qu’il n’y a ni particule, ni cube de simulation. Pour cette raison, ce type de modèle ne va pas directement suivre le déplacement de la matière comme le font les simulations hydrodynamiques. Un MSA va plutôt diviser une galaxie et son environnement en plusieurs composantes distinctes, soient les étoiles, le réservoir de gaz d’une galaxie, le réservoir de gaz à l’extérieur d’une galaxie, le MIG, etc. Pour la morphologie, ces modèles ne vont considérer que la forme globale d’une galaxie, comme par exemple le rayon du disque et la taille du bulbe, mais ne vont jamais traiter en détail l’évolution spatiale de sa structure interne. À l’instar des particules dans les simulations hydrodynamiques, chaque composante d’un MSA possède ses propres caractéristiques, comme sa masse, sa température, sa densité, sa composition chimique, etc. Puisque le nombre de composantes dans un MSA est complètement négligeable par rapport au nombre de particules dans les simulations hydrodynamiques, un MSA n’offre donc qu’une vision très simplifiée de l’évolution des galaxies. Il s’agit là de son désavantage principal. Avec un MSA, les différentes composantes d’une galaxie évoluent dans le temps et échangent avec les autres composantes en utilisant une série d’équations différentielles. Le terme semi dans semi-analytique fait référence à l’utilisation de tables et d’équations différentielles n’ayant pas de solution analytique. À l’opposé des équations continues, les tables ne possèdent que quelques valeurs, ce qui nécessite donc des interpolations et parfois même des extrapolations. De plus, certaines équations différentielles doivent être intégrées numériquement. En d’autres termes, un MSA n’est jamais entièrement basé sur des solutions purement analytiques. La force majeure d’un MSA est sa rapidité de calcul, car il n’y a pas de particule à traiter. Pour cette même raison, ce type de modèle ne souffre pas du problème de résolution de masse tel que dans des simulations hydrodynamiques. Bien qu’un MSA simule l’évolution des galaxies de manière simplifiée, chaque galaxie est traitée équitablement, c’est-à-dire que les petites galaxies sont aussi bien simulées que les galaxies les plus massives. En théorie, il n’y a pas de limite sur l’étendue de la masse des galaxies considérées dans un tel modèle. Mais comme nous le verrons dans les prochaines sections, un MSA est souvent introduit comme traitement de sous-grille dans les simulations cosmologiques, ce qui limite l’intervalle de masse des galaxies. Un traitement de sous-grille, dans une simulation qui utilise des particules, ou une grille, consiste en un traitement analytique d’un phénomène qui ne peut pas être résolu par la simulation. Il s’agit en fait d’une technique pour augmenter artificiellement la résolution d’une simulation. Chaque processus se produisant à une échelle de temps, d’espace ou de masse plus petite que la résolution d’une simulation peut se traiter ainsi. Cette technique s’applique à 24 toutes les échelles, car il y a toujours quelque chose de non résolu dans une simulation. Par exemple, lors d’une simulation de la formation d’un amas d’étoiles, la production d’énergie radiative provenant des étoiles est issue d’un traitement de sous-grille (e.g. Bate et al. 2003; Bate 2009). Chaque particule étoile produit analytiquement un champ radiatif qui affecte l’évolution des particules de gaz voisines. Dans une simulation de galaxie, la formation d’un amas d’étoiles est entièrement traitée avec ce type de technique (e.g. Springel & Hernquist 2003). Dans ce cas, une particule représente un groupe d’étoiles qui affecte l’évolution des particules voisines en leur injectant des métaux et de l’énergie, le tout produit par la contribution de chaque étoile contenue dans cette particule. À l’échelle cosmologique, l’évolution des galaxies peut aussi se faire par un traitement de sous-grille (e.g. White & Frenk 1991), ce qui consiste à utiliser un MSA. Une particule galaxie pourra alors interagir avec le MIG en produisant des vents galactiques qui affecteront les particules avoisinant la galaxie (Figure 1.4). Figure 1.4 – Couplage entre un modèle semi-analytique et une simulation cosmologique. L’image à grande échelle provient d’une des simulations du projet CLUES (Gottloeber et al. 2010). Ce dernier est un acronyme pour Constrained Local UniversE Simulations. En plus de sa rapidité de calcul, un MSA permet d’inclure les galaxies de faible masse dans les simulations cosmologiques à grande échelle. Avec un tel modèle, puisqu’il n’est plus nécessaire de bien résoudre les galaxies, les simulations peuvent ainsi couvrir de plus grands volumes. En effet, le nombre de particules par galaxie n’est plus important, car le MSA n’a besoin que du lieu de formation des galaxies, ainsi que de leur masse. Il est important de 25 comprendre qu’un MSA est utilisé pour représenter un très grand nombre de galaxies de masses différentes. Comme nous le verrons dans les prochaines sections, il existe actuellement deux types de MSAs destinés à être utilisés comme traitement de sous-grille dans les simulations à grande échelle : les MSAs galactiques et les MSAs intergalactiques. Modèles semi-analytiques galactiques Le premier type de MSAs se concentre sur les propriétés des galaxies. Ces MSAs galactiques possèdent des prescriptions beaucoup plus détaillées, en ce qui concerne l’évolution interne des galaxies, que les MSAs intergalactiques. Dans la littérature, certains MSAs sont couplés à une simulation cosmologique à grande échelle contenant uniquement de la matière sombre. Il s’agit d’une simulation à N-corps qui ne considère que la gravité. De plus, la simulation cosmologique est déjà complétée et n’est utilisée que pour fournir le nombre de galaxies, leur masse, leur époque de formation, ainsi que l’historique des collisions avec les autres galaxies. En d’autres termes, les simulations à N-corps ne sont utilisées que pour générer une arborescence de collisions de galaxies à travers le temps. Les simulations à grande échelle et le calcul des MSAs se font donc de manière indépendante. Dans d’autres cas, les MSAs font simplement appel à des équations analytiques pour produire l’arborescence des collisions entre les différentes galaxies considérées (e.g. White & Frenk 1991). Cela permet aux galaxies d’évoluer et de croître avec le temps sans être limitées par la résolution de masse des simulations à N-corps. En résumé, peu importe la manière dont l’environnement des galaxies est traité, ces MSAs ne sont jamais conçus pour interagir avec le MIG. L’objectif principal de ces modèles est de représenter la grande variété des galaxies observées dans l’Univers local. En particulier, les MSAs galactiques tentent de reproduire les caractéristiques des galaxies telles que leur couleur, leur composition chimique, leur quantité d’étoiles, leur TFS, et leur quantité de gaz. De plus, ces modèles sont souvent utilisés pour reproduire la fonction de luminosité des galaxies ainsi que le TFS cosmique 8 afin de contraindre l’impact des différents mécanismes de rétroaction. Le Tableau 1.2 présente les différents MSAs galactiques disponibles dans la littérature. Ces modèles n’utilisent que l’énergie mécanique en ce qui concerne la rétroaction stellaire, contrairement aux simulations hydrodynamiques qui font parfois appel à la pression radiative (voir Tableau 1.1). Puisque les MSAs présentent une version simplifiée de l’évolution des galaxies, les méthodes utilisées pour introduire la rétroaction dans les codes sont très similaires. En général, la rétroaction consiste en un vent galactique qui éjecte une partie du MIS vers le halo, qui représente la composante de gaz à l’extérieur de la galaxie, mais à l’intérieur du halo de matière sombre. La masse éjectée par ce vent est calculée de manière similaire aux simulations hydrodynamiques. La méthode Chauffage signifie que la masse éjectée se retrouve dans le halo, mais n’est jamais éjectée dans le MIG. La méthode Fontaine galactique, quant à elle, permet qu’une partie du gaz soit éjectée du halo pendant un certain temps, avant 8. Il s’agit de l’évolution de la densité du TFS en M⊙ an−1 Mpc−3 dans l’Univers en fonction du décalage vers le rouge. 26 Tableau 1.2 – Études utilisant des modèles semi-analytiques galactiques. De gauche à droite, les colonnes représentent la référence de l’étude, la taille de la simulation (en forme de cube) à N-corps, la masse d’une particule de matière sombre de la simulation à N-corps, les mécanismes de rétroaction utilisés dans le MSA, ainsi que la méthode utilisée pour produire le vent galactique dans le code. Voir le texte pour l’explication des différentes méthodes. Les cases vides pour les caractéristiques des simulations à N-corps signifient que le MSA a utilisé une arborescence de collisions analytique. Le MSA de Springel et al. (2001) possède deux résolutions de masse, car la simulation à N-corps utilisée permettait de raffiner la résolution là où la densité était le plus élevée. Les deux valeurs représentent donc les résolutions maximales et minimales. Guo et al. (2011) ont combiné deux simulations à N-corps, ce qui explique la présence de deux tailles et de deux résolutions. Référence Taille [h−1 Mpc] Rétroaction Méthode White & Frenk (1991) Énergie mécanique Chauffage Cole et al. (2000) Énergie mécanique Chauffage Énergie mécanique Fontaine galactique Énergie mécanique Fontaine galactique Énergie mécanique NAG Fontaine galactique Chauffage Monaco et al. (2007) Énergie mécanique NAG Fontaine galactique Chauffage Somerville et al. (2008b) Énergie mécanique NAG Fontaine galactique Chauffage Énergie mécanique NAG Fontaine galactique Chauffage Énergie mécanique Bulle Énergie mécanique NAG Fontaine galactique Chauffage Springel et al. (2001) 141.3 Hatton et al. (2003) 100 Croton et al. (2006) 500 Guo et al. (2011) 500 100 Lagos et al. (2013) 500 Popping et al. (2014) Résolution [h−1 M⊙ ] 1.40 ×1010 4.68 ×107 8.27 ×109 8.60 ×108 8.60 ×108 6.89 ×106 8.60 ×108 27 d’être réintroduit dans ce même halo. Les quantités de gaz éjecté dans le halo et dans le MIG sont déterminées par des paramètres libres et des fonctions qui dépendent de la masse et de la vitesse circulaire des galaxies. Le terme Chauffage pour la rétroaction d’un NAG signifie que l’énergie provenant de l’accrétion de matière dans le trou noir central d’une galaxie peut réduire et même arrêter l’apport en gaz provenant de l’extérieur de la galaxie. Chaque MSA possède sa propre particularité. Cole et al. (2000) ont élaboré un algorithme détaillé pour suivre les différentes morphologies des galaxies. Hatton et al. (2003) traitent la formation et la rétroaction stellaire de manière différente tout dépendant si les étoiles se retrouvent dans le bulbe ou le disque d’une galaxie. Croton et al. (2006) ont établi les bases de la rétroaction par les NAGs dans les MSAs. Monaco et al. (2007) ont décomposé les composantes conventionnelles des MSAs en plusieurs sous-composantes. Somerville et al. (2008b) ont amélioré le traitement des NAGs et ont permis à ces derniers de produire des vents galactiques, au lieu de simplement limiter l’apport en gaz. Guo et al. (2011) ont pour la première fois utilisé simultanément les simulations Millenium et Millenium-II afin d’augmenter l’intervalle de masse des galaxies considérées dans les MSAs. Lagos et al. (2013) ont été les premiers à implanter la physique des bulles interstellaires pour gérer la rétroaction produite par l’énergie mécanique. Et finalement, Popping et al. (2014) ont grandement amélioré la composition du gaz galactique en le décomposant en gaz neutre, moléculaire et ionisé. Modèles semi-analytiques intergalactiques Contrairement aux MSAs galactiques, les MSAs intergalactiques se concentrent sur l’évolution de l’enrichissement chimique du MIG. Leur considération de base est qu’une galaxie devrait produire une superbulle qui se développe autour d’elle et qui balaie une partie du MIG dans sa course (Figure 1.4). La géométrie sphérique de ce vent galactique à grande échelle, qui est une coquille mince, est similaire à celle d’une bulle qui se développe autour des étoiles dans le MIS (Weaver et al. 1977; Chevalier 1974). Mais au lieu d’être propulsé par une ou un petit groupe d’étoiles, ce vent galactique est propulsé par toutes les étoiles provenant de la galaxie qui est en son centre (Tegmark et al. 1993). Par la nature de cette considération, l’énergie mécanique est donc toujours le mécanisme de propulsion. Le calcul de l’évolution du rayon R d’un tel vent se fait en intégrant numériquement une équation différentielle. À titre d’exemple, voici l’équation tirée de Scannapieco et al. (2002) pour l’accélération du rayon R : R̈ = 3 H 2 R GM 3(PSB − P ) − (Ṙ − HR)2 − Ωm − 2 . ρR R 2 R (1.5) Dans cette dernière équation, PSB et P sont respectivement la pression à l’intérieur de la superbulle et la pression du MIG ambiant. Il est important de noter que ce type d’équation prend en considération l’expansion de l’Univers. En effet, la constante de Hubble H et la densité ρ du MIG dépendent du décalage vers le rouge. Ωm , G et M sont respectivement associés à la densité de matière dans le modèle ΛCDM, la constante gravitationnelle et la 28 masse totale du halo de matière sombre dans lequel est plongée une galaxie. Du côté droit de cette dernière équation, les quatre termes représentent, de gauche à droite, l’injection d’énergie par la galaxie, la décélération causée par la résistance du MIG, la décélération gravitationnelle en raison du gaz à l’intérieur du vent galactique, ainsi que la décélération produite par la gravité du halo de matière sombre. Le terme d’injection d’énergie est généralement obtenu en solutionnant PSB à partir d’une seconde équation différentielle. À titre d’exemple, selon Pieri et al. (2007), nous avons pour un vent galactique sphérique ṖSB = L 5ṘPSB , − 3 2πR R (1.6) où L est le taux d’injection d’énergie mécanique provenant de la galaxie. En théorie, la valeur de L devrait être le résultat d’un équilibre entre la formation stellaire et les différents processus de rétroaction. Mais contrairement aux MSAs galactiques présentés dans la section précédente, les MSAs intergalactiques ne possèdent en général aucune prescription pour générer l’évolution interne des galaxies avec le temps. L n’est parfois associé qu’à un sursaut de formation stellaire qui ne s’étend que sur quelques dizaines de millions d’années. Dans d’autres cas, L ne dépend que de l’évolution dans le temps de la masse totale de la galaxie. Mais peu importe la relation utilisée pour calculer ce taux d’injection d’énergie, les MSAs intergalactiques imposent toujours une certaine quantité d’étoiles et d’énergie, contrairement aux MSAs galactiques qui reproduisent ces quantités à l’aide d’interactions entre les différentes composantes d’une galaxie. Mais tel que mentionné au début de cette section, l’objectif premier des MSAs intergalactiques est d’étudier l’évolution et l’étendue de l’enrichissement du MIG à grande échelle, et non de reproduire les propriétés observables des galaxies. Les MSAs intergalactiques sont amenés à l’échelle cosmologique de deux manières, qui sont similaires à celles utilisées dans le cas des MSAs galactiques. Premièrement, une simulation à N-corps peut être utilisée afin de suivre l’évolution des halos de matière sombre avec le temps. Chaque halo produira par la suite un vent galactique à grande échelle à l’aide de relations similaires à l’équation (1.5). Deuxièmement, des équations analytiques peuvent être développées pour suivre le lieu de formation des galaxies et prédire l’évolution temporelle de leur nombre et de leur masse totale (e.g. Scannapieco & Broadhurst 2001). Dans ce cas, un volume de simulation est considéré, mais seulement pour dériver les conditions initiales des fluctuations de densité qui mèneront à la formation de galaxies. Le Tableau 1.3 présente les différentes études qui ont utilisé un MSA intergalactique pour étudier l’évolution de l’enrichissement chimique du MIG à grande échelle. Comme nous pouvons le constater, la pression radiative provenant des étoiles massives n’est pas considérée dans ce type d’étude. Une fois de plus, chaque étude possède sa propre caractéristique. Desjacques et al. (2004) ont utilisé leur MSA pour produire des spectres synthétiques de quasars à hauts décalages 29 Tableau 1.3 – Études utilisant des modèles semi-analytiques intergalactiques. De gauche à droite, les colonnes représentent la référence de l’étude, la taille de la simulation (en forme de cube) à N-corps, la masse d’une particule de matière sombre de la simulation à N-corps, ainsi que le mécanisme utilisé dans le MSA pour propulser le vent galactique à grande échelle. Référence Taille [h−1 Mpc] Scannapieco et al. (2002) 4 Desjacques et al. (2004) 30 Bertone et al. (2005) 52 Bertone et al. (2007) 500 Pieri et al. (2007) 12 Résolution [h−1 M⊙ ] Propulsion Énergie mécanique 9.52 ×10 8 Énergie mécanique 1.70 ×108 Énergie mécanique 8.60 ×10 8 Samui et al. (2008) Énergie mécanique Énergie mécanique Énergie mécanique Germain et al. (2009) 128 Pinsonneault et al. (2010) 10.6 Barai et al. (2011) 128 9.67 ×109 1.55 ×106 9.67 ×109 NAG Énergie mécanique NAG vers le rouge. Bertone et al. (2005, 2007) ont considéré différentes phases d’évolution pour la superbulle qui se développe autour des galaxies. Pieri et al. (2007) ont développé des équations pour un vent galactique de forme bipolaire au lieu de supposer une symétrie sphérique. Samui et al. (2008) ont amélioré la structure des vents galactiques en considérant l’évolution de l’onde de choc qui se propage à l’intérieur des superbulles. Germain et al. (2009) et Barai et al. (2011) ont considéré des NAGs au lieu des étoiles pour générer les superbulles. Et finalement, Pinsonneault et al. (2010) ont évolué les vents galactiques simultanément avec les simulations à N-corps, en plus de considérer que le vent galactique d’une galaxie peut affecter l’effondrement d’un nuage prégalactique qui se trouve dans son voisinage. 1.6 Description du projet de thèse Tel que mentionné dans cette introduction, il existe plusieurs interactions entre les galaxies et leur environnement. La gravité et l’évolution des structures à grande échelle dans le MIG sont responsables de l’approvisionnement en gaz des galaxies et des diverses rencontres entre les galaxies. Il s’agit là de l’impact de l’environnement sur l’évolution des galaxies. Mais ces dernières perturbent également le MIG. En effet, par l’entremise des vents galactiques, les galaxies déposent de l’énergie et de la matière enrichie dans leur entourage, ce qui modifie les conditions physiques du MIG et par conséquent, l’évolution subséquente des galaxies voisines. 30 Étudier cette rétroaction mutuelle à l’aide de simulations numériques est un problème très complexe, car plusieurs phénomènes doivent être pris en considération simultanément. De plus, les simulations doivent couvrir un très grand volume (de l’ordre de 100 000 Mpc3 ) afin d’inclure un échantillon statistiquement significatif de galaxies et d’interactions, ce qui implique de simuler simultanément des processus pouvant s’échelonner sur plusieurs ordres de grandeur. Les simulations hydrodynamiques sont en théorie les meilleures candidates pour étudier l’évolution de l’Univers à grande échelle. Toutefois, la puissance limitée des super-ordinateurs force ces simulations à négliger ou à mal résoudre les galaxies de faible masse. Mais ces dernières doivent être considérées pour obtenir une vision complète de l’impact des galaxies sur leur milieu. Il y a d’ailleurs plusieurs travaux dans la littérature qui suggèrent que ces galaxies naines ont contribué significativement à l’évolution de l’enrichissement chimique du MIG, surtout à hauts décalages vers le rouge. Les MSAs sont à cet effet de puissants outils, car ils permettent de traiter l’évolution des galaxies là où les simulations hydrodynamiques manquent de résolution. Mais les modèles qui se retrouvent dans la littérature ne sont pas complètement adaptés pour ce type d’étude. Les MSAs galactiques ont fait énormément de progrès en ce qui concerne l’évolution interne des galaxies et la modélisation de leurs propriétés observables. Mais ces modèles ne sont pas utilisés pour étudier l’impact des galaxies sur le MIG. À l’autre extrême, les MSAs intergalactiques sont spécialement conçus pour étudier l’impact des vents galactiques sur le MIG, mais ne possèdent pas de prescription adéquate pour modéliser l’évolution interne des galaxies, ce qui est la spécialité des MSAs galactiques. De plus, les MSAs en général ne sont pas conçus pour interagir en parallèle avec leur entourage. En effet, le résultat de ces modèles est souvent déposé par dessus une simulation à N-corps qui est déjà complétée avant même de traiter les galaxies. Quelques avancées seulement ont été faites dans les dernières années afin d’améliorer cette situation. Bertone et al. (2005, 2007) ont utilisé un MSA galactique, celui de Springel et al. (2001), pour produire le taux d’injection d’énergie nécessaire à la production de superbulles dans un MSA intergalactique. Pinsonneault et al. (2010), quant à eux, ont développé une méthode permettant d’évoluer simultanément, en parallèle, la simulation à N-corps et leur MSA intergalactique afin de permettre aux vents galactiques d’interagir et de perturber l’évolution des galaxies voisines. Malgré ces avancées, les MSAs sont toujours associés à des équations ou à des simulations à grande échelle qui ne considèrent que de la matière sombre. Bien que la matière baryonique n’ait pas beaucoup d’impact sur l’évolution de la structure de matière sombre, elle est la matière première des galaxies et est très sensible aux perturbations hydrodynamiques telles que les ondes de choc et les variations de pression, de température et de composition chimique. En ce sens, la formation des galaxies et l’évolution du gaz intergalactique ne devraient pas simplement être représentés par une simulation de matière sombre. 31 Le but ultime de ce projet de recherche est donc de concevoir et de développer un MSA qui permet à la fois de modéliser l’évolution interne des galaxies et de simuler l’impact de leur vent galactique sur leur environnement. Le modèle sera utilisé comme traitement de sous-grille, non pas dans une simulation de matière sombre, mais dans une simulation hydrodynamique cosmologique. Dans le but de considérer les divers échanges d’énergie et de matière entre les galaxies et leur environnement, le MSA a été conçu pour évoluer en parallèle avec la simulation hydrodynamique, afin qu’il soit complètement intégré à la simulation. Nous nous sommes concentrés sur la modélisation des galaxies de faible masse et de masse intermédiaire, c’est-à-dire celles qui sont négligées ou mal résolues dans les simulations cosmologiques. Vu le caractère ambitieux de ce projet, seul le MSA a été développé pour cette thèse. Cependant, une première tentative d’évolution en parallèle avec une simulation hydrodynamique à grande échelle devrait se produire dans les prochains mois. Un tel couplage entre un MSA et une simulation hydrodynamique à grande échelle sera une première et offrira plusieurs avantages. Premièrement, puisque le gaz intergalactique sera représenté par des particules et non des équations ou de la matière sombre, l’impact des vents galactiques sur le MIG sera simulé de manière beaucoup plus réaliste. En effet, aucune géométrie ne sera imposée pour les vents galactiques à grande échelle, car le gaz intergalactique chauffé par les galaxies prendra de l’expansion et empruntera le chemin de moindre résistance, ce qui offrira naturellement une gamme de morphologies différentes. Chaque vent galactique aura donc une forme particulière qui dépendra de l’environnement dans lequel se sont formées les galaxies. Ce couplage offrira également la possibilité d’inclure les effets des rencontres proches entre galaxies. En effet, les galaxies peuvent se rencontrer sans nécessairement entrer en collision (e.g. Bekki 2009; Benítez-Llambay et al. 2013). Avec l’aide de la méthode développée par Martel et al. (2012), les galaxies dans la simulation hydrodynamique pourront subir des effets de marée et de distorsion. Les effets de marée ont tendance à retirer du gaz d’une galaxie alors que les effets de distorsion affectent la taille et la morphologie des galaxies. Certaines rencontres pourront même résulter en une dislocation de galaxie. Ces effets, en plus de modifier l’état du MIG, affecteront l’évolution subséquente des galaxies, ce qui sera possible puisque le MSA sera complètement intégré à la simulation hydrodynamique. Le Groupe de recherche en astrophysique numérique de l’Université Laval (GRANUL) possède déjà une expertise dans le domaine de la simulation cosmologique à grande échelle. En effet, plusieurs codes à N-corps et hydrodynamiques sont déjà en place pour réaliser de telles simulations, en plus de posséder des MSAs intergalactiques. Ce travail de thèse apporte donc un excellent complément aux outils numériques disponibles à l’Université Laval. Ce document présente les différentes étapes de conception qui ont mené à la programmation du MSA hybride galactique/intergalactique. Puisque ce dernier est destiné à être couplé à un code hydrodynamique, le modèle devait rester suffisamment simple afin de réduire son temps de calcul. Un des défis de cette modélisation a donc été de trouver le juste milieu entre le désir 32 d’introduire du réalisme et de la complexité, et la contrainte de devoir limiter le temps de calcul. Le but à long terme de ce projet est d’étudier l’évolution de l’enrichissement chimique du MIG par l’entremise des vents galactiques, ainsi que les interactions entre les galaxies et leur environnement dans un contexte cosmologique. Les objectifs de la présente thèse sont donc : – de développer un modèle d’enrichissement à jour et performant ; – de développer un MSA pour générer l’évolution des galaxies ; – de prévoir l’interaction du MSA avec une simulation hydrodynamique ; – et d’optimiser le temps de calcul du MSA. Dans le chapitre 2, nous introduisons les modèles stellaires qui sont utilisés dans le modèle d’enrichissement chimique présenté au chapitre 3. Nous décrivons, au chapitre 4, la base de tous les MSAs développés dans le cadre de ce projet de doctorat. Dans le chapitre 5, nous présentons la première version de notre MSA où chaque galaxie évolue de manière complètement isolée. Au chapitre 6, nous modifions ce MSA dans le but de considérer l’accrétion de matière en provenance du MIG. Nous décrivons, au chapitre 7, la théorie des bulles interstellaires qui est introduite, aux chapitres 8 et 9, dans la dernière version du MSA. Un survol du fonctionnement du code et de la conception du couplage entre le MSA et une simulation hydrodynamique est donné dans le chapitre 10. Finalement, au chapitre 11, nous présentons les conclusions de cette thèse de doctorat. Tel que mentionné à la section 8.8, la dernière version du MSA développé dans cette thèse se démarque des autres MSAs galactiques par : – l’utilisation simultanée de l’énergie mécanique et de la pression radiative pour produire les vents galactiques ; – l’introduction de bulles interstellaires pour générer les vents galactiques propulsés par l’énergie mécanique ; – le calcul de la perte d’énergie mécanique par l’entremise du refroidissement radiatif dans le MIS ; – et la prescription utilisée pour calculer la masse éjectée dans le MIG. 33 Chapitre 2 Modèles stellaires Un des objectifs à long terme du projet de doctorat est de reproduire l’évolution et l’étendue de la quantité de métaux observés dans le MIG. Cet enrichissement se fera principalement par la production de vents galactiques qui seront propulsés à l’aide du MSA. Les autres sources d’enrichissement comme les effets de marée et la dislocation de galaxies seront également considérées lorsque le MSA sera couplé à une simulation hydrodynamique. Puisque les métaux que nous observons aujourd’hui ont tous été créés à l’intérieur des étoiles par la fusion nucléaire, la métallicité 1 du MIG est donc directement reliée au processus de formation stellaire à l’intérieur des galaxies. En ce sens, l’enrichissement du MIS par les étoiles est la base de tous les processus d’enrichissement qui se produisent à plus grande échelle. Ainsi, avant d’utiliser le MSA pour transporter les métaux depuis le MIS jusqu’au MIG, il était important de développer un modèle d’enrichissement solide ayant la capacité de reproduire la métallicité observée dans les étoiles qui se situent dans l’environnement solaire. Ce modèle d’enrichissement est présenté au chapitre 3. Nous avons choisi la Voie Lactée pour tester le modèle, car les données d’observation sont disponibles en abondance dans la littérature. De plus, les modèles d’enrichissement les plus avancés (e.g. Romano et al. 2010; Spitoni & Matteucci 2011; Minchev et al. 2013) ont tous comme objectif de reproduire la composition des étoiles de la Galaxie, ce qui nous offre un point de comparaison. Durant la vie d’une étoile, la composition de son gaz se fait modifier par les réactions nucléaires qui se produisent en son centre (Iliadis 2007). Par des mouvements de convection et de turbulence, les métaux forgés au coeur d’une étoile se dispersent à travers sa structure interne. Dans certains cas, les métaux peuvent même se retrouver à la surface des étoiles, augmentant ainsi leur métallicité globale (Meynet & Maeder 2002). La radiation qui résulte de la combustion nucléaire peut pousser sur les couches externes d’une étoile et ainsi éjecter une partie de sa surface dans le MIS. La masse éjectée constitue un vent stellaire et dépend fortement, dans le cas des étoiles massives, de la métallicité de surface des étoiles (Lamers & Cassinelli 1. La métallicité fait référence à la masse de métaux divisée par la masse totale d’un gaz. 35 1999). En effet, puisque les métaux possèdent une plus grande section efficace que les atomes d’hydrogène et d’hélium, le couplage entre la matière et la radiation ultraviolette devient donc plus important lorsque la métallicité du gaz augmente. En général, mis à part l’effet de la métallicité, plus une étoile est massive, plus la fusion nucléaire sera efficace, et plus le vent stellaire sera puissant. De plus, le taux de perte de masse d’une étoile augmente au cours de sa vie, car les stades de combustion nucléaire évoluent avec l’âge des étoiles, impliquant toujours des éléments de plus en plus lourds. À la fin de sa vie, une étoile massive 2 s’effondre sur ellemême et produit une supernova de Type II, Ib ou Ic (SN II, Ib ou Ic) qui génère une onde de choc en son centre. L’augmentation de la densité causée par le passage de cette onde de choc produit une dernière vague de réactions nucléaires qui se propage jusqu’à la surface de l’étoile (Janka et al. 2007). En explosant, ces étoiles retournent la majorité de leur gaz dans le MIS. Ces explosions sont en grande partie responsables de la création des éléments chimiques plus lourds que le fer. Certaines étoiles de faible masse dans les systèmes binaires proches peuvent également exploser en SN de type Ia (SN Ia) et participer à l’enrichissement du MIS. Les vents stellaires et les SNe sont donc à la base de l’enrichissement du MIS. Dans ce projet de thèse, nous avons traité indépendamment quatre sources d’enrichissement, soient les vents stellaires et les SNe provenant des étoiles massives, les vents stellaires provenant des étoiles de faible masse 3 et les SNe Ia. Plusieurs groupes de recherche se sont déjà penchés sur la modélisation et la simulation de ces différentes phases stellaires. Les résultats de leurs modèles stellaires sont disponibles dans la littérature sous forme de tables qui peuvent facilement être utilisées comme données d’entrée dans un code d’enrichissement. Ces résultats nous renseignent non seulement sur la masse totale éjectée par les différentes phases stellaires, mais également sur sa composition chimique, ce qui est indispensable afin de pouvoir comparer les prédictions d’un modèle d’enrichissement avec les observations. Notre code d’enrichissement se base entièrement sur ces modèles stellaires, de la même manière que les codes de synthèse LavalSB (Leitherer et al. 1992; Robert et al. 2003; Dionne & Robert 2006) et Starburst99 (Leitherer et al. 1999; Vazquez & Leitherer 2005). Tel que mentionné plus bas, nous utilisons des modèles stellaires à jour qui incluent les effets de la rotation stellaire sur l’évolution des étoiles massives, ce qui n’est pas le cas des MSAs galactiques et intergalactiques actuels. Les prochaines sections présentent la méthodologie préparatoire à l’implantation des modèles stellaires dans notre code d’enrichissement, qui est présenté au chapitre 3. 2.1 Vents stellaires d’étoiles massives Lorsqu’une population d’étoiles se forme dans une galaxie, les vents stellaires provenant des étoiles massives sont toujours les premiers à interagir avec le MIS. L’origine de ce type de 2. Une étoile massive est définie dans ce document comme une étoile ayant une masse initiale supérieure à 8 M⊙ . 3. Une étoile de faible masse, dans le cadre de ce document, possède une masse initiale inférieure à 8 M⊙ . 36 Figure 2.1 – Taux de perte de masse d’hydrogène et d’hélium provenant des étoiles massives à Z = 0.02. Chaque couleur représente une étoile individuelle. La masse initiale des étoiles, en M⊙ , est inscrite dans le panneau du haut. Ces résultats ont été obtenus à partir des modèles de Meynet & Maeder (2003). vents est l’opacité des couches externes d’une étoile face à la radiation provenant de son coeur. Puisque les métaux sont responsables de cette opacité, il est donc important d’utiliser des modèles stellaires qui couvrent un grand intervalle de métallicités. Nous avons utilisé les modèles stellaires du groupe de Genève pour calculer, en fonction du temps, la composition chimique de la masse éjectée par ces vents. Ces modèles incluent les effets de la rotation stellaire qui modifient significativement la structure interne des étoiles (le groupe de Genève : Meynet & Maeder 1997; Maeder & Zahn 1998; Maeder 1999; Maeder & Meynet 2000; Ekström et al. 2011). Nous référons le lecteur au Tableau 3.1 du chapitre 3 pour consulter la liste et les caractéristiques des modèles stellaires utilisés pour les étoiles massives. Les modèles stellaires fournissent des tables de résultats contenant, en fonction de l’âge d’une étoile, le taux de perte de masse ainsi que la composition de surface de l’étoile. En 37 Figure 2.2 – Taux de perte de masse des éléments CNO provenant des étoiles massives à Z = 0.02. Chaque couleur représente une étoile individuelle. La masse initiale des étoiles, en M⊙ , est inscrite dans le panneau du haut. Ces résultats ont été obtenus à partir des modèles de Meynet & Maeder (2003). combinant ces informations, il est donc possible de suivre avec le temps le taux d’éjection de chaque atome considéré, en plus du taux de perte de masse totale. Ces résultats sont disponibles pour plusieurs étoiles ayant des masses et des métallicités initiales différentes. Les Figures 2.1 et 2.2 montrent, à titre d’exemple, le taux d’éjection des éléments H, He, C, N et O pour les étoiles à Z = 0.02 4 . Les taux de perte de masse sont relativement constants durant la séquence principale des étoiles, mais augmentent en intensité lorsque la fusion nucléaire entre dans les stades de combustion plus évolués. Durant ces stades tardifs, les étoiles les plus massives entrent dans une phase Wolf-Rayet et éjectent leurs couches d’hydrogène et en grande partie leurs couches d’hélium. Les tables fournies par le groupe de Genève sont très faciles à interpoler. Chaque ligne dans leur fichier de résultats représente un stade évolutif en particulier, et non un incrément 4. Z = 0.02 représente la métallicité solaire. 38 Figure 2.3 – Exemple d’interpolation entre les modèles stellaires. Il s’agit du taux de perte de masse totale des vents stellaires d’étoiles massives à Z = 0.02. Les lignes noires représentent des modèles stellaires ayant des masses initiales différentes (Meynet & Maeder 2003), alors que les lignes bleues montrent le résultat de l’interpolation entre les modèles. de temps à intervalle régulier. Cela permet donc d’interpoler directement les modèles en comparant les tables de résultats ligne par ligne (Figure 2.3). Nous pouvons intégrer dans le temps le taux de perte de masse de chaque modèle stellaire, afin de calculer la masse totale éjectée par les vents stellaires en fonction de la masse initiale des étoiles, et ce, pour différentes métallicités (Figure 2.4). Comme le montre cette dernière figure, certaines masses initiales sont manquantes dans les modèles utilisés. Les méthodes et suppositions adoptées pour extrapoler ces modèles sont présentées dans le chapitre 3. Pour l’instant, ces figures ne montrent que la contribution d’étoiles individuelles. Mais ces dernières peuvent être rassemblées pour générer une population d’étoiles, ce qui se fait à l’aide d’une fonction de masse initiale (voir section 2.5). 2.2 Supernovae de Type II, Ib et Ic Lorsqu’une étoile massive a traversé tous les stades de combustion nucléaire en son coeur pour en arriver à la fusion du fer, l’étoile devient instable et s’effondre sur elle-même pour produire une SN. Afin d’alléger la lecture, nous utilisons le terme SNe II pour désigner toutes SNe qui sont produites par un effondrement de coeur. Nous référons le lecteur à la section 3.4.2 pour une description des différents types de SNe. Puisqu’une SN II ne se produit qu’à un instant bien précis durant l’évolution d’une étoile, les résultats des modèles stellaires de SN sont 39 Figure 2.4 – Masse totale éjectée par le vent stellaire des étoiles massives en fonction de leur masse initiale. Chaque couleur représente une métallicité différente. Ces résultats ont été obtenus à partir des modèles de Meynet & Maeder (2003, 2005). La ligne verte pointillée représente les prédictions du code Starburst99 qui utilise les modèles stellaires de Meynet et al. (1994). beaucoup plus simples à intégrer dans un code d’enrichissement. En effet, pour chaque étoile considérée dans ces modèles stellaires (e.g. Woosley & Weaver 1995; Chieffi & Limongi 2004; Nomoto et al. 2006), les résultats ne fournissent que la masse éjectée des différents éléments chimiques considérés. Pour connaître la masse totale éjectée par ces explosions, il ne suffit que de sommer la liste des éléments chimiques (Figure 2.5). En comparant cette dernière figure à la Figure 2.4, nous remarquons que la somme des masses éjectées par les vents stellaires et les SNe II excède parfois la masse initiale des étoiles, ce qui n’est pas logique. Le problème vient entièrement du fait que les groupes de recherche, qui produisent les modèles de SN, utilisent des structures stellaires, comme données d’entrée à leur code d’explosion, qui ne sont pas celles fournies par les groupes de recherche qui produisent les modèles de vents stellaires. Normalement, la structure interne finale d’une étoile provenant d’un modèle de vent stellaire devrait être utilisée comme entrée pour produire la SN, mais ce n’est pas le cas. Il s’agit d’un problème qui est inhérent à tous les modèles d’enrichissement dans la littérature qui combinent la contribution des vents stellaires et des SNe II. Ce problème est davantage amplifié lors de l’utilisation des tables de SN de Woosley & Weaver (1995), qui ne considèrent pas la perte de masse avant l’arrivée des SNe II. Les tables de Nomoto et al. (2006), qui sont celles utilisées dans ce projet, considèrent une certaine prescription de perte 40 Figure 2.5 – Masse totale éjectée par les SNe II en fonction de la masse initiale des étoiles. Les différentes couleurs représentent différentes métallicités initiales. Les lignes pleines montrent les résultats provenant des modèles stellaires de Nomoto et al. (2006). Les lignes en traits illustrent le résultat de l’extrapolation effectuée par Côté et al. (2012). de masse durant l’évolution des étoiles massives, mais il ne s’agit pas d’un traitement aussi détaillé que celui offert par le groupe de Genève. Ce problème sera entièrement réglé avec le projet NuGrid 5 qui a pour but de traiter toutes les phases stellaires de manière consistante à partir d’un même code. Revenons maintenant à l’implantation des tables de SN II. Dans le but de respecter le délai temporel entre la formation d’une étoile massive et son explosion, nous utilisons les temps de vie fournis par les modèles de vent stellaire (Figure 2.6). De cette façon, chaque étoile peut exploser et enrichir le MIS au bon moment, le tout en fonction de sa métallicité et sa masse initiale. 2.3 Vents stellaires d’étoiles de faible masse Les étoiles qui ont des masses initiales inférieures à 8 M⊙ n’ont en général que de très faibles taux de perte de masse durant leur séquence principale. Cependant, dans ses derniers moments de vie, une étoile de faible masse retourne la grande majorité de son gaz dans le MIS et développe une nébuleuse planétaire. Cela ce produit lorsque l’étoile se retrouve sur la branche asymptotique des géantes (BAG) du diagramme Hertzsprung-Russell. Contrairement 5. http ://www.nugridstars.org/ 41 Figure 2.6 – Temps de vie des étoiles massives en fonction de leur masse initiale. Les différentes couleurs représentent différentes métallicités initiales. Ces résultats proviennent des modèles stellaires présentés dans le Tableau 3.1 du chapitre 3. aux étoiles massives, les étoiles de faible masse n’explosent pas en SN. En effet, la fusion nucléaire au centre de ces étoiles ne dépasse pas le stade de la combustion du carbone, ce qui évite l’apparition d’un noyau de fer qui rendrait les étoiles instables. Cependant, la durée de la phase BAG est négligeable par rapport au temps de vie de ces étoiles, ce qui permet donc, en pratique, de traiter l’enrichissement des petites étoiles de la même manière que les SNe II, c’est-à-dire en considérant que ces étoiles n’enrichissent le MIS qu’à la fin de leur vie. D’ailleurs, les modèles stellaires utilisés dans ce projet pour les étoiles de faible masse sont ceux de Karakas (2010) et possèdent exactement la même forme que les tables de SN II. Pour chaque étoile considérée, les tables de Karakas (2010) offrent ainsi une liste contenant la masse de tous les éléments éjectés durant la phase BAG, au lieu de fournir des taux de perte de masse comme dans le cas des étoiles massives. Les Figures 2.7 et 2.8 montrent la masse totale ainsi que la masse des produits CNO éjectés par ces étoiles en fonction de leur masse et métallicité initiales. Comme le montre la Figure 2.8, il y a une distinction très visible entre les étoiles qui contribuent à l’enrichissement du carbone, et celles qui contribuent à l’enrichissement de l’azote. De manière similaire au traitement des SNe II, nous considérons le temps de vie des étoiles de faible masse afin de respecter le délai de temps entre la formation de ces étoiles et l’expulsion de matière durant la phase BAG (Figure 2.9). 42 Figure 2.7 – Masse totale éjectée par les vents stellaires des étoiles de faible masse en fonction de leur masse initiale. Les différentes couleurs représentent différentes métallicités initiales. Ces résultats proviennent des modèles stellaires de Karakas (2010). 2.4 Supernovae de Type Ia La phase BAG n’est pas le seul moment où une étoile de faible masse contribue à l’enrichissement du MIS. Lorsque ces étoiles deviennent des naines blanches, elles peuvent accréter à leur surface de la matière provenant d’une étoile compagne. Cela implique naturellement que les étoiles en question font partie de systèmes binaires proches. Si la masse d’une naine blanche excède 1.38 M⊙ , la masse de Chandrasekhar, la fusion nucléaire reprend, ce qui engendre une SN Ia. Ce type d’explosion est, dans un sens, la contribution la plus simple à traiter dans les modèles d’enrichissement, car les modèles stellaires n’offrent habituellement qu’une seule table de SN. En effet, puisque ces étoiles explosent toujours à partir de la même masse, celle de Chandrasekhar, il n’y a donc pas de dépendance en la masse initiale des étoiles progénitrices de ces explosions. À l’instar de pratiquement tous les modèles d’enrichissement qui se retrouvent dans la littérature, nous faisons appel aux travaux de Iwamoto et al. (1999) pour assigner la masse des éléments chimiques éjectés par de telles explosions. L’implantation des SNe Ia dans un code d’enrichissement devient plus complexe cependant lorsqu’il s’agit de respecter le délai temporel entre la formation d’une étoile de faible masse et sa potentielle explosion. En effet, une SN Ia ne survient pas exactement à la fin de la vie d’une étoile de faible masse, mais à un moment qui dépend des caractéristiques du système binaire dans lequel fait partie l’étoile, ce qui apporte beaucoup d’incertitudes. De plus, même 43 Figure 2.8 – Masse des produits CNO éjectés par les vents stellaires des étoiles de faible masse en fonction de leur masse initiale. Les différentes couleurs représentent différentes métallicités initiales. Ces résultats proviennent des modèles stellaires de Karakas (2010). si une étoile fait partie d’un système binaire, ce qui n’est pas toujours le cas, il est possible que la configuration de ce système ne permette pas l’apparition d’une SN Ia. Le modèle d’enrichissement doit donc supposer qu’une fraction seulement des étoiles de faible masse produisent des SNe Ia. La méthode la plus simple pour inclure le délai de temps, entre la formation et l’explosion de ces étoiles, est d’utiliser des relations empiriques. L’idée est de dériver des équations qui permettent de passer de la densité du TFS cosmique (Figure 2.10) à celle du taux de SN Ia cosmique (Figure 2.11), qui sont toutes deux dépendantes du décalage vers le rouge. Naturellement, le maximum du taux de SN Ia est décalé dans le temps par rapport au maximum du TFS cosmique. Ainsi, le délai entre la formation et l’explosion d’une étoile de faible masse devrait être caractérisé par la différence de temps entre ces deux maxima. Deux formes d’équations sont couramment utilisées dans le but de reproduire le taux d’occurrence Φ(t) des SNe Ia (voir Wiersma et al. 2009). Ces deux équations se basent sur un 44 Figure 2.9 – Temps de vie des étoiles de faible masse en fonction de leur masse initiale. Les différentes couleurs représentent différentes métallicités initiales. Ces résultats proviennent des modèles stellaires de Karakas & Lattanzio (2007). délai caractéristique τIa , typiquement de quelques milliards d’années, qui est contraint par les observations décrites dans le dernier paragraphe. La forme exponentielle est donnée par Φ(t) = e−t/τIa SNe an−1 , τIa (2.1) alors que la forme gaussienne est donnée par (t − τIa )2 SNe an−1 , exp − Φ(t) = √ 2σ 2 2πσ 2 1 (2.2) où σ représente la dispersion de la distribution. Récemment, Maoz & Mannucci (2012) ont proposé une équation ayant la forme d’une loi de puissance, −13 Φ(t) = 4 × 10 t τIa −1 SNe an−1 M−1 ⊙ . (2.3) Ces trois équations sont conçues pour distribuer dans le temps les SNe Ia provenant d’une population d’étoiles complète (voir section 3.4.4). Elles ne peuvent donc pas être utilisées pour calculer le délai d’explosion d’une seule étoile. De plus, pour obtenir le véritable taux de SN, les fonctions Φ doivent être combinées à la quantité de naines blanches disponibles dans la population stellaire, en plus de la probabilité d’explosion. Plus de détails seront donnés sur l’implantation des SNe Ia au chapitre 3. 45 Figure 2.10 – Densité du taux de formation stellaire cosmique observée en fonction du décalage vers le rouge. Il s’agit de la Figure 3 de Hayes et al. (2010) où H04, G08 et others illustrent les données qui se retrouvent dans Hopkins (2004), Geach et al. (2008) et Shim et al. (2009) respectivement. Nous référons le lecteur au Tableau 4 de Behroozi et al. (2013) pour une liste plus exhaustive des différents travaux qui ont participé à l’observation de la densité du TFS cosmique (voir aussi Madau & Dickinson 2014). 2.5 Fonction de masse initiale Les modèles stellaires décrits dans les sections précédentes sont certainement pratiques et instructifs, mais ne considèrent que des étoiles individuelles. Or, pour les utiliser dans notre modèle d’enrichissement, nous devons utiliser une fonction de masse initiale (FMI) afin de créer des populations d’étoiles complètes. Lorsqu’un nuage de gaz s’effondre dans une galaxie pour former un groupe d’étoiles, il y a toujours plus d’étoiles de faible masse que d’étoiles massives. La FMI est une relation empirique en loi de puissance qui permet de caractériser cette distribution de masse. Plus précisément, la FMI donne, pour chaque M⊙ d’étoiles formées, le nombre d’étoiles ayant une masse initiale entre Mi et Mi + dM . Actuellement, les FMIs les plus couramment utilisées dans la littérature sont celles de Salpeter (1955), de Kroupa (2001) et de Chabrier (2003), et sont définies comme suit : ξS55 (Mi ) = AM −2.35 , 46 (2.4) Figure 2.11 – Densité du taux de SN Ia cosmique observée en fonction du décalage vers le rouge. Il s’agit de la Figure 7 de Barbary et al. (2012). Les différents points illustrent les résultats provenant de différents travaux d’observation. ξK01 (Mi ) = BM −1.30 i CM −2.30 i 0.08M⊙ ≤ Mi < 0.5M⊙ i h D exp − (log Mi +1.10237)2 0.9522 ξC03 (Mi ) = Mi EM −2.30 i (2.5) 0.5M⊙ ≤ Mi , M ≤ 1M⊙ (2.6) Mi > 1M⊙ . Dans ces dernières équations, A, B, C, D et E sont des constantes de normalisation. Comme le montre la Figure 2.12, les FMIs de Kroupa et de Chabrier sont très similaires, alors que celle de Salpeter surestime la quantité d’étoiles de faible masse. Dans le cadre de ce projet, nous utilisons la FMI de Chabrier . 2.5.1 Intervalle de masse Avant d’appliquer une FMI dans un modèle, les masses minimale et maximale d’une population d’étoiles doivent être définies. La masse minimale d’une étoile est d’environ 0.072 M⊙ , car en-dessous de cette limite, la pression interne devient insuffisante pour activer la fusion de l’hydrogène (Chabrier 2003). La masse maximale d’une étoile est limitée par sa stabilité et 47 Figure 2.12 – Fonctions de masse initiale. Les limites inférieure et supérieure sont de 0.1 et 100 M⊙ . La population stellaire possède une masse totale de 106 M⊙ . Chaque couleur représente une FMI en particulier. se trouve approximativement entre 100 et 120 M⊙ 6 . Une étoile plus massive que cette limite posséderait un vent stellaire trop puissant pour conserver le gaz à sa surface (voir toutefois Crowther et al. 2010). Le Tableau 2.1 montre l’intervalle de masse des FMIs considéré pour quelques travaux de simulation. Une façon de quantifier l’effet des masses limites sur une population stellaire est de comparer le nombre de SNe II. Tel que présenté dans le Tableau 2.2, le nombre de SNe II prédit par la FMI de Salpeter diffère significativement de celles de Kroupa et de Chabrier lorsque la masse limite inférieure est plus petite que 1 M⊙ . Pour la FMI de Chabrier, une différence de moins de 0.2 % survient lorsque Msup passe de 100 à 120 M⊙ . Lorsque Minf passe de 0.1 à 1 M⊙ , le nombre de SNe augmente d’environ 68 %, ce qui est considérable. Afin de concorder avec la plupart des autres travaux, nous avons considéré dans ce projet un intervalle de masse allant de 0.1 à 100 M⊙ . Changer la masse limite inférieure de 0.1 à 0.08 M⊙ ne fait que modifier le nombre de SNe par environ 2 %. 2.5.2 Populations stellaires En utilisant la FMI de Chabrier, nous avons construit des populations d’étoiles complètes à partir des modèles stellaires. Pour chaque métallicité, nous avons sommé la contribution de chaque étoile de masse Mi , en multipliant leur contribution par le nombre d’étoiles dans la 6. Cette limite ne s’applique pas aux étoiles de population III 48 Tableau 2.1 – Fonction de masse initiale utilisée dans quelques travaux de simulation. De gauche à droite, les colonnes représentent la référence des travaux, la fonction de masse initiale utilisée entre celles de Chabrier (C03), Kroupa (K01) et Salpeter (S55), et les masses limites inférieure et supérieure de cette fonction. Madau et al. (2001) et Samui et al. (2008) ont testé plusieurs masses limites inférieures dans leurs simulations. Travaux FMI Minf - Msup [M⊙ ] Efstathiou (2000) Madau et al. (2001) Mori et al. (2002) De Lucia et al. (2004) Murray et al. (2005) Bouché et al. (2007) Kobayashi et al. (2007) Pieri et al. (2007) Tornatore et al. (2007) Dalla Vecchia & Schaye (2008) Dubois & Teyssier (2008) Oppenheimer & Davé (2006) Somerville et al. (2008b) Samui et al. (2008) Crain et al. (2009) Tescari et al. (2009, 2011) Wiersma et al. (2009, 2010, 2011) Oppenheimer et al. (2010) Shen et al. (2010) Davé et al. (2011) Powell et al. (2011) van de Voort et al. (2011) S55 S55 S55 S55 S55 S55 S55 K01 S55 C03 S55 C03 C03 S55 C03 S55, K01 C03 C03 K01 C03 S55 C03 0.1 - 50 0.1, 5, 30 - 120 0.1 - 120 0.1 - 100 0.1 - 100 — 0.1 - 120 — – 0.1 - 100 — — — 0.1, 0.5, 1 - 100 0.1 - 100 — 0.1 - 100 — — — 0.1 - 100 0.1 - 100 FMI qui possèdent une masse Mi . En intégrant sur tout l’intervalle de masse, c’est-à-dire de 0.1 à 100 M⊙ , et en respectant tous les délais de temps entre la formation des étoiles et leurs différentes phases évolutives, nous avons ainsi créé des tables contenant l’évolution temporelle du taux de perte de masse d’une population stellaire 7 . À titre d’exemple, la Figure 2.13 illustre la masse totale éjectée cumulée en fonction du temps pour deux métallicités différentes. Puisque le tout est basé sur les modèles stellaires présentés dans les section précédentes, nous avons accès à la composition de la masse éjectée par ces populations d’étoiles. Le prochain chapitre explique comment les modèles stellaires ont été interpolés et extrapolés et comment les diverses populations d’étoiles ont été utilisées pour créer le modèle d’enrichissement. 7. Dans le cadre de ce projet, nous faisons référence à une population stellaire lorsque les étoiles se forment à partir d’un sursaut instantané de formation stellaire. 49 Tableau 2.2 – Nombre de supernovae de Type II dans une population d’étoiles. La première colonne représente la FMI utilisée pour une population stellaire de 106 M⊙ . Les autres colonnes montrent le nombre de SNe en fonction des différentes suppositions en ce qui concerne les masses limites inférieure et supérieure de la FMI. FMI S55 K01 C03 0.1 - 100 7422 11132 11799 Minf - Msup [M⊙ ] 1 - 100 0.1 - 120 18910 19870 19870 7432 11112 11772 0.08 - 100 6814 10920 11602 Figure 2.13 – Masse totale cumulée éjectée par les différentes phases stellaires en fonction de l’âge et de la métallicité des étoiles. Il s’agit d’une population d’étoiles de 106 M⊙ issue d’un sursaut de formation stellaire instantanée. Les acronymes EM et EFM font références respectivement aux étoiles massives et aux étoiles de faibles masses. 50 Chapitre 3 Modèle d’enrichissement chimique Ce chapitre présente la première publication en lien avec le projet de doctorat qui a pour titre original : Cosmological simulations of the intergalactic medium evolution. I. Test of the subgrid chemical enrichment model. Cet article a été publié le 10 novembre 2013 dans le journal scientifique The Astrophysical Journal et possède la référence suivante : Côté, B., Martel, H., & Drissen, L. 2013, ApJ, 777, 107. Il s’agit de la description et de la validation du modèle d’enrichissement chimique qui a été développé pour être utilisé dans le MSA. Cette publication représente une partie du projet de doctorat que j’ai accompli sous la supervision de Hugo Martel et de Laurent Drissen. Le texte, composé par moi-même, a été révisé et amélioré par les coauteurs. 3.1 Résumé Nous présentons un modèle d’enrichissement galactique à zone simple qui prend en considération la contribution des vents stellaires des étoiles massives sous l’effet de la rotation, les supernovae de Type II, les hypernovae, les vents stellaires des étoiles de faible masse et de masse intermédiaire, ainsi que les supernovae de Type Ia. Ce modèle d’enrichissement sera implanté dans un modèle galactique, conçu pour être utilisé comme traitement de sous-grille pour faire évoluer les galaxies et générer des vents galactiques dans les simulations cosmologiques à grande échelle, dans le but d’étudier l’évolution du milieu intergalactique. Nous testons notre modèle d’enrichissement en comparant ces prédictions avec la fonction de distribution de métallicité et les abondances de 14 éléments chimiques observés dans les étoiles de la Voie Lactée. Pour ce faire, nous combinons l’effet de plusieurs populations d’étoiles qui ont été créées à partir de l’histoire de la formation stellaire de la Galaxie dans le voisinage solaire. Pour chaque population d’étoiles, nous gardons trace de leur masse spécifique, de leur métallicité initiale et de leur âge. Nous suivons dans le temps chaque population d’étoiles afin de respecter les délais temporels entre les différentes phases stellaires. Notre modèle peut reproduire les abondances observées du C, O, Na, Mg, Al, S et du Ca. Pour le Si, Cr, Mn, Ni, Cu et 51 le Zn, nos prédictions sont raisonnables, mais nécessitent des améliorations. Nous reproduisons partiellement l’abondance d’azote pour les étoiles de très faible métallicité. Mais globalement, nos résultats sont consistants avec les prédictions provenant d’études précédentes sur l’histoire de l’enrichissement chimique de la Voie Lactée. Nous avons démontré que notre modèle semianalytique à zone simple, qui ne peut pas faire de prédiction sur les gradients de métallicité, peut tout de même reproduire avec succès l’évolution globale de l’enrichissement chimique de la Galaxie, au même titre que les modèles plus complexes, mais à une fraction de temps de calcul. Ce modèle est donc bien adapté pour être utilisé comme traitement d’enrichissement de sous-grille dans les simulations cosmologiques à grande échelle. 3.2 Abstract We present a one-zone galactic chemical enrichment model which takes into account the contribution of stellar winds from massive stars under the effect of rotation, Type II supernovae, hypernovae, stellar winds from low- and intermediate-mass stars, and Type Ia supernovae. This enrichment model will be implemented in a galactic model designed to be used as a subgrid treatment for galaxy evolution and outflow generation in large-scale cosmological simulations, in order to study the evolution of the intergalactic medium. We test our enrichment prescription by comparing its predictions with the metallicity distribution function and the abundance patterns of 14 chemical elements observed in the Milky Way stars. To do so, we combine the effect of many stellar populations created from the star formation history of the Galaxy in the solar neighborhood. For each stellar population, we keep track of its specific mass, initial metallicity, and age. We follow the time evolution of every population in order to respect the time delay between the various stellar phases. Our model is able to reproduce the observed abundances of C, O, Na, Mg, Al, S, and Ca. For Si, Cr, Mn, Ni, Cu, and Zn, the fits are still reasonable, but improvements are needed. We marginally reproduce the nitrogen abundance in very-low-metallicity stars. Overall, our results are consistent with the predicted abundance ratios seen in previous studies of the enrichment history of the Milky Way. We have demonstrated that our semi-analytic one-zone model, which cannot deal with spatial information such as the metallicity gradient, can nevertheless successfully reproduce the global Galactic enrichment evolution obtained by more complex models, at a fraction of the computational cost. This model is therefore suitable for a subgrid treatment of chemical enrichment in large-scale cosmological simulations. 3.3 Introduction The intergalactic medium (IGM) we see today is filled with metals that have been synthesized in the past by stars inside galaxies. These metals were mainly brought into the IGM by galactic winds powered by supernovae explosions or active galactic nuclei (Veilleux et al. 2005; 52 Aguirre & Schaye 2007), though galaxy mergers and tidal disruption can also play an important role, particularly inside galaxy clusters (Domainko et al. 2006). Besides adding metals, galactic winds deposit a substantial amount of energy into their surroundings. This modifies the physical conditions of the IGM, with important consequences for its subsequent evolution. By increasing the metallicity of the IGM, galaxies increase the cooling efficiency of the gas, which favors the formation of other galaxies. But in some cases, the energy deposited in the IGM can prevent the formation of galaxies by counterbalancing the cooling of pregalactic clouds, or by disrupting them, which reduces the number of galaxies we see today (Scannapieco et al. 2000; Ciardi & Ferrara 2005; Sigward et al. 2005). Moreover, a significant fraction of the actual mass of galaxies came from the accretion of gas present in the IGM (Kereš et al. 2005, 2009; Dekel et al. 2009). Since metallicity plays an important role in the evolution of stars inside galaxies, the enrichment of the IGM can have an important effect on the evolution of the stellar populations and on observable properties of galaxies. There is therefore a close connection between galaxies and their surrounding, because the evolution of galaxies affects the evolution of the IGM, and vice-versa. The goal of this project is to study the enrichment history of the IGM and the interaction between galaxies and their surroundings in a cosmological context using large-scale cosmological simulations. Because of the large dynamical range involved, it is not possible to fully resolve the detailed physical processes occurring at galactic scales, while simulating a cosmologically representative volume of the Universe. This is particularly critical because dwarf galaxies, which are the most difficult ones to resolve, are responsible for most of the enrichment of the Universe because of their shear number. The solution consists of using a semi-analytical model of galaxy evolution and enrichment, and use it for a subgrid treatment of galactic-scale processes in cosmological simulations. The use of subgrid treatments in cosmological simulations as a tool to resolve small-scale processes is a standard technique that goes back at least two decades (e.g. Katz 1992; Katz et al. 1992). Reproducing the enrichment history of a galaxy with a semi-analytical model can be quite complex, since a lot of processes and interactions must be taken into account (Tinsley 1980; Pagel 1997). One of the key elements in the chemical enrichment is the star formation history (SFH). It predicts the amount of metals ejected into the interstellar medium (ISM) by stellar winds and supernovae explosions, as a function of time. Many processes can modify the SFH during the evolution of a galaxy. Any mechanism that brings gas into the ISM, like galaxy mergers or accretion (e.g. Kereš et al. 2005, 2009; Brook et al. 2007; Richard et al. 2010; Benson 2010; Bournaud 2011), increases the star formation rate (SFR), and any mechanism that expels gas from the ISM, like galactic winds (e.g. Mac Low & Ferrara 1999; Madau et al. 2001; Kobayashi et al. 2007; Crain et al. 2009; Davé et al. 2011), decreases the SFR. Cooling and feedback processes also play a determinant role in the evolution of the SFR over time (e.g. McKee & Ostriker 1977; White & Frenk 1991; Springel et al. 2001; Hopkins et al. 2012b). On 53 a smaller scale, star formation is affected by turbulence, magnetic field, and the physical conditions of the gas (Larson 2003; McKee & Ostriker 2007). In some cases, instead of including every mechanisms that modify the SFR over time, models rely on observations to constrain and build the SFH. Once the SFH of a galaxy is known, the composition of the gas ejected by stars can be calculated. Over the past years, many stellar evolution models have been published and can be used in chemical enrichment models. These models provide the composition of the gas ejected by stellar winds from massive stars (e.g. Maeder 1992; Portinari et al. 1998; Meynet & Maeder 2002; Hirschi et al. 2005; Decressin et al. 2007; Hirschi et al. 2007; Ekström et al. 2008a, 2012; Brott et al. 2011), Type II supernovae (SNe II, e.g. Woosley & Weaver 1995; Chieffi & Limongi 2004; Nomoto et al. 2006; Limongi & Chieffi 2007; Woosley & Heger 2007; Heger & Woosley 2010), stellar winds from low- and intermediatemass stars (LIMS, e.g. van den Hoek & Groenewegen 1997; Marigo 2001; Karakas & Lattanzio 2007; Ventura & D’Antona 2009; Karakas 2010), and Type Ia supernovae (SNe Ia, e.g. Iwamoto et al. 1999; Travaglio et al. 2004, 2011; Brown et al. 2005; Röpke et al. 2006). These provide the basic ingredients for designing a semi-analytical model for galaxy evolution and enrichment. But to assess the validity of such model, it is essential to test it, by making sure it can reproduce observations. The most critical test is whether the model can reproduce the observed abundances of the best-known galaxy, the Milky Way. Several studies have been done already on modeling the chemical evolution of the Milky Way (e.g. Matteucci & Francois 1989; Chiappini et al. 1997, 2006; Kobayashi et al. 2006; Carigi & Peimbert 2008; Ekström et al. 2008a; Colavitti et al. 2009; Schönrich & Binney 2009; Romano et al. 2010; Spitoni & Matteucci 2011; Minchev et al. 2013). All these models provide a detailed description of galaxy evolution, but they are too complex to be used for a subgrid treatment with reasonable computational cost (and they were not intended for that purpose anyway). In our previous paper (Côté et al. 2012, hereafter CMDR12), we built a galactic model to describe the evolution of the chemical enrichment inside the ISM caused by the presence of several stellar populations. The model is designed to be implemented in large-scale cosmological simulations, where it will be used to describe the concurrent evolution of thousands of galaxies. Because computing time can be a serious issue in this kind of simulations, our galactic model must be simple, but accurate at the same time. To reduce computational time, we considered a one-zone model, in which the shape of galaxies and the spatial distribution of their components are ignored. Since the publication of CMDR12, several improvements have been made in the choice and treatment of the input stellar models that produce the enrichment of the ISM. Before we can use this model, it is essential to test its validity, by making sure that it can produce results consistent with more complex simulations and models that are available in the literature, but at a fraction of the computational cost. The main goal of the present paper is to describe 54 the changes that have been made to the model since the publication of CMDR12, and to test our new enrichment prescription against observations. To do so, we simulated a galaxy similar to the Milky Way, in terms of total mass, stellar mass, and SFH, and compared the chemical abundances found in our model with the ones observed in the stars of the Galaxy. It is understood that our goal here is not to present a new enrichment model for the Milky Way. Rather, it is to obtain similar results than previous works, but with a model that is suitable for implementation into large-scale cosmological simulations. In a sense, our model is not designed to exactly reproduce the Milky Way, but rather to reproduce the general enrichment behavior of galaxies. This paper is organized as follows. In section 3.4, we describe the stellar models used to calculate the composition of the gas ejected by stellar winds from massive stars, SNe II, low- and intermediate-mass stars, and SNe Ia. In section 3.5, we briefly describe our galactic evolution model, which was presented in details in CMDR12. We also present the observational constraints used to match our simulated galaxies to the Milky Way. In section 3.6, we compare our results with observations. Conclusions are presented in section 3.7. 3.4 Chemical enrichment Our enrichment model is based on the overlap of several stellar populations which are characterized by their own metallicity, total mass, and age. We used the initial mass function (IMF) of Chabrier (2003), which is very close to the one found in Kroupa (2001), with lower and upper mass limits of 0.1 and 100 M⊙ respectively. Those choices of IMF and mass range are commonly used in other works (e.g. De Lucia et al. 2004; Murray et al. 2005; Dalla Vecchia & Schaye 2008; Oppenheimer & Davé 2006; Somerville et al. 2008b; Crain et al. 2009; Wiersma et al. 2009; Davé et al. 2011; van de Voort et al. 2011). Our enrichment model provides the mass-loss rates and the composition of the matter ejected by stars as a function of time. The age of each stellar population is then very important to consider because high-mass stars dominate the enrichment at early times whereas low- and intermediate-mass stars become important contributors at later times. The total mass and metallicity of a stellar population also play an important role. The total mass is linked to the total amount of matter ejected and the metallicity is linked to its composition. The following sections describe the prescription used to compute the composition of the mass ejected by stars as a function of time for the different stellar phases included in our model. 3.4.1 Winds from massive stars In CMDR12, we used the stellar population synthesis code Starburst99 to compute the mass ejected by stellar winds from massive stars over time (Leitherer et al. 1992, 1999). Unfortunately, the evolutionary tracks used by Starburst99 (Meynet et al. 1994) can sometime 55 Tableau 3.1 – Evolutionary tracks used to compute the mass ejected by stellar winds of massive stars. From left to right, columns represent the metallicity, the initial mass, the elements considered, the initial rotation velocity, and the reference for the models. Z Mi (M⊙ ) Elements Vrot (km s−1 ) Reference 0.04 20, 25, 40, 60, 85, 120 H, He, C, N, O, F, Ne, Na, Mg, Al, Si 300 Meynet & Maeder (2005) 0.02 9, 12, 15, 20, 25, 40, 60, 85, 120 H, He, C, N, O, F, Ne, Na, Mg, Al, Si 300 Meynet & Maeder (2003) 0.008 30, 40, 60, 120 H, He, C, N, O, F, Ne, Na, Mg, Al, Si 300 Meynet & Maeder (2005) 0.004 30, 40, 60, 120 H, He, C, N, O, F, Ne, Na, Mg, Al, Si 300 Meynet & Maeder (2005) 0.0005 20, 40, 60, 120 H, He, C, N, O, Na, Mg, Al 600 − 800 Decressin et al. (2007) 10−8 9, 20, 40, 60, 85 H, He, C, N, O, Ne 600 − 800 Hirschi et al. (2007) 0.000 9, 15, 25, 40, 60, 85 H, He, C, N, O 500 − 800 Ekström et al. (2008a) overestimate the total amount of gas ejected because they do not consider the clumpy geometry of stellar winds during the evolved phase (Chiappini et al. 2003a). Moreover, those tracks do not include the effect of stellar rotation, which significantly modifies the structure, mass-loss rate, and wind composition of a star (e.g. Maeder & Meynet 2000; Ekström et al. 2011). For those two reasons, we decided to update our stellar wind prescription by using more recent evolutionary tracks, shown in Table 3.1, which include stellar rotation. We used the same procedure as Starburst99 to generate stellar winds over time for a complete stellar population. It is worth noting that Ekström et al. (2008b) also computed similar models at four different metallicities between 0 and 0.02. But since their work was not focused on late stages of stellar evolution, their models do not evolve beyond the main sequence. Because most of mass-loss in a star occurs after the main sequence, we decided not to use those evolutionary tracks to avoid an underestimation of the total mass ejected by stellar winds. From Table 3.1, we see that low-metallicity models have higher rotation velocities. Since low-metallicity stars are made of gas with low opacities, the equilibrium between radiative pressure and gravity is reached when those stars are in a more compact configuration, which increases the rotation velocities by angular momentum conservation. Indeed, stars in the Milky Way usually have lower rotational velocities than the ones estimated in the Magellanic Clouds (Martayan et al. 2007). Although the available tracks from Table 3.1 are useful and cover a wide range of metallicities, some stellar models do not cover the entire range of massive stars included in the IMF. We can easily interpolate between models, but two main problems still remain. The first one 56 concerns the models of Meynet & Maeder (2005) because their less massive stars are too massive for our needs. As a matter of fact, we need stars with initial masses as low as 8 M⊙ whereas Meynet & Maeder (2005) only provide models down to 30 or 20 M⊙ at best. It would be risky to use the evolution of a 30 M⊙ model to describe all stars with lower mass because a 30 M⊙ star eventually enters a Wolf-Rayet phase, which is not the case for lower mass stars. Instead of doing that, we decided to fill the missing parts using the older models of Meynet et al. (1994). This is probably not a fully satisfactory choice, but it is certainly better than just using the older tracks for every star. A similar problem arises with the Decressin et al. (2007) models. But since we do not have any other models with that metallicity, we simply did not include the contribution of the missing stars. At very low and zero metallicities, the most massive models of Hirschi et al. (2007) and Ekström et al. (2008a) (hereafter the H07/E08a models) are not massive enough to cover stars with initial masses up to 100 M⊙ . This is somewhat a less important problem since an IMF produces far more low-mass stars than massive ones. But in general, a more massive star will eject more mass than its less massive counterpart. As a matter of fact, the 85 M⊙ model of Hirschi et al. (2007) ejects about 14 times more mass than the 40 M⊙ model. But the most striking effect is that the 85 M⊙ model ejects about 1100 times more carbon, 480 times more nitrogen, and 1200 times more oxygen than the 40 M⊙ model. Because we do not have access to more massive models at very low metallicity, we simply used the 85 M⊙ model for stars up to 100 M⊙ . The rotating stellar H07/E08a models, at zero and very low metallicities, also provide pre-SN yields that can be used to set the composition of the SNe that follow the evolution of those stars. But we did not consider them when dealing with the mass ejected by stellar winds. Those pre-SN yields have only been considered when dealing with core-collapse SNe. 3.4.2 Core-collapse supernovae Core-collapse SNe are believed to occurs at the end of the lifetime of massive stars. They are classified according to the composition of their ejecta. SNe II occur when hydrogen, helium, and metals are ejected, SNe Ib when no hydrogen is ejected, and SNe Ic when no hydrogen and helium are ejected (Smartt 2009). SNe Ib and Ic come from the most massive stars that have stellar winds powerful enough to eject the entire hydrogen and helium layers of stars during their lifetime. SNe II come from less massive progenitors and occur about 5 times more often than SNe Ib and Ic in the local Universe (Cappellaro et al. 1999). The transition mass where SNe II become SNe Ib and Ic depends on the initial metallicity because the strength of stellar winds depends on it (Georgy et al. 2009). In this paper, we basically used the same procedure as in CMDR12 to include SNe II in the enrichment process. The rate of SNe II is determined by the IMF and the lifetime of stars with initial masses above 8 M⊙ . The composition of the ejected mass as a function of the 57 metallicity and the initial mass of the progenitors comes from the work of Nomoto et al. (2006). Those explosive models are the best suited for our needs because of its metallicity interval and because they use pre-SN models that experienced mass-loss during their lifetime, which is not included in other SNe II models that cover a similar range of metallicities (Woosley & Weaver 1995; Chieffi & Limongi 2004). We refer to Romano et al. (2010) for a comparison of those SNe II models. More recent models also include mass-loss prior the explosive stage but only consider solar metallicity (Limongi & Chieffi 2007; Woosley & Heger 2007). The explosive models of Nomoto et al. (2006) are available for four different metallicities, Z = 0, 0.001, 0.004, and 0.02. Unfortunately, the range of stellar masses is not as complete. For each metallicity, the initial mass for the progenitors of SNe II is limited to 13 to 40 M⊙ . Since we need information from 8 to 100 M⊙ , we used the extrapolated version of Nomoto et al. (2006) built in CMDR12. This extrapolation allows us to take into account SNe Ib and Ic at solar metallicity. The composition of the mass ejected by SNe II includes 31 elements from H to Ga. Nomoto et al. (2006) also provide yields for hypernovae (HNe), which are core-collapse SNe that explode with higher energies. Those models are available for stars with initial mass between 20 and 40 M⊙ . The total mass ejected by a HN is very close to a SN II, only the metal composition is significantly different. For this reason, the extrapolation technique for SNe II to cover initial mass up to 100 M⊙ has been applied to HNe as well. For simplicity, we will use from now on the term SNe II to describe every core-collapse supernovae including HNe. As explained above, we also considered the possibility of using the pre-SN yields from the H07/E08a models for the CNO elements at very low metallicity. Since those light elements are not significantly changed by the nucleosynthesis during the explosive phase (Woosley & Weaver 1995; Limongi & Chieffi 2002; Chieffi & Limongi 2003), we can safely use the CNO pre-SN yields from the H07/E08a models instead of the ones provided by Nomoto et al. (2006). This allows us to take into account the effect of stellar rotation on the ejecta of SNe II. 3.4.3 Winds from low- and intermediate-mass stars Stars with initial mass lower than 8 M⊙ do not explode at the end of their lifetime. Instead, they gradually eject their external layers until the thermonuclear activities stop because of lack of internal pressure. This event occurs during the thermal pulses when the star is in the asymptotic giant branch (AGB). In CMDR12, we used Starburst99 to compute the mass-loss rate and the composition of the winds of those stars (Vazquez & Leitherer 2005). The evolutionary tracks used by Starburst99 are from Girardi et al. (2000). But by using this, we noted that the amount of carbon ejected by LIMS at low metallicity was drastically underestimated. In the present paper, we decided to use instead the updated ejecta tables of Karakas (2010) since they are more complete and include the third dredge-up and the hot-bottom burning scenarios. The third dredge-up highly increases the amount of carbon at the surface of LIMS, 58 Tableau 3.2 – Mass ejected by low- and intermediate-mass stars in a stellar population of total mass of 106 M⊙ . From left to right, columns represent the metallicity and the total mass of carbon, nitrogen, and oxygen ejected using Karakas (2010) and Starburst99. Z MCK10 /MCSB99 MNK10 /MNSB99 K10 SB99 MO /MO 0.0200 1035 / 1069 869 / 885 2369 / 3547 0.0080 1380 / 99 922 / 105 899 / 350 0.0040 1558 / 95 1029 / 78 440 / 326 0.0004 —/9 —/8 — / 33 0.0001 2543 / — 698 / — 67 / — especially at low metallicity (Cristallo et al. 2009). Models of Karakas (2010) provide LIMS with initial mass from 1 up to 6.5 M⊙ for metallicities of 0.0001, 0.004, 0.008, and 0.02. The composition of the mass ejected includes H, He, Li, Be, B, C, N, O, F, Ne, Na, Mg, Al, Si, P, S, Fe, Co, and Ni. According to Karakas (2011), stars with initial mass between 0.8 and 8 M⊙ will all end up as AGB stars. With that in mind, we extrapolated the models to cover that range. For each metallicity, we performed a linear fit of the total mass ejected as a function of the initial mass. For stars with initial mass lower than 1 M⊙ , we used the ejecta composition of the 1 M⊙ model and scaled it using the linear fit. A similar process has been applied to stars above 6.5 M⊙ . In Table 3.2, we show the mass ejected by LIMS in a stellar population ruled by the IMF for CNO elements in comparison with results obtained using Starburst99. 3.4.4 Type Ia supernovae Every star with initial mass lower than about 8 M⊙ will end its life as a white dwarf. Those low-mass objects, with average masses around 0.6 M⊙ (Kleinman et al. 2013), do not have enough internal pressure to burn carbon in their degenerate core. A white dwarf must reach the Chandrasekhar mass of 1.38 M⊙ in order to produce a short and intense peak of thermonuclear fusion, which is energetic enough to generate a SN Ia (Mo et al. 2010). Two main scenarios, both implying binary systems, have been proposed to explain how white dwarfs can reach the Chandrasekhar mass. In the single-degenerate scenario, a white dwarf accretes mass from its companion which is either on the main sequence, or in a more evolved phase (Whelan & Iben 1973; Hachisu et al. 1999). In the double-degenerate scenario, two white dwarfs merge to form one single object with a resulting mass exceeding the Chandrasekhar limit (Webbink 1984). To include the contribution of SNe Ia in the enrichment process of a model, one needs to know the rate at which those events occur as a function of time since the birth of a stellar 59 population. Unfortunately, a SN Ia does not necessarily occur at the end of the lifetime of a lowor intermediate-mass star. For a binary system including a white dwarf, the time delay before the explosion, if any, depends on the orbital parameters, the mass of the progenitors, and on the accretion rate if considering the single-degenerate scenario (e.g. Hillebrandt & Niemeyer 2000; Wang & Han 2012). All those parameters make the rate of SNe Ia very uncertain as opposed to the rate of SNe II, which basically only depends on the lifetime of the progenitors. Nevertheless, some authors did publish equations for the rate of SNe Ia (e.g. Greggio & Renzini 1983; Kobayashi et al. 2000). But instead of trying to include every parameter in the code to compute the rate of SNe Ia, it is much simpler to use an empirical function which tells us the time delay between the birth of stars and the explosions. This method has already been used by some authors (e.g. Wiersma et al. 2009; Valiante et al. 2009). In that case, following Greggio (2005), the rate of SNe Ia is given RIa (t) = AIa fWD (t)Φ(t) , (3.1) where fWD and Φ are respectively the fraction of white dwarfs in the stellar population and the time delay function. AIa is a constant used to scale the SNe Ia rate so that the right amount of explosions is produced. We refer to Matteucci et al. (2009) for a comparison between the different assumptions for modeling of SNe Ia in chemical evolution models. Fraction of white dwarfs To be able to produce SNe Ia, a stellar population must be old enough to contain white dwarfs. It is fairly easy to calculate the fraction of white dwarfs at a given time. We only need to know the IMF and the lifetime of low- and intermediate-mass stars. The lifetimes used in the present paper are those from Karakas & Lattanzio (2007). We decided to linearly extrapolate these lifetimes to extend the upper mass limit from 6 to 8 M⊙ . Following what is usually done in SNe Ia modeling, we considered stars with initial mass between 3 and 8 M⊙ to be the progenitors of those explosions (e.g. Dahlen et al. 2004; Kobayashi 2004; Mannucci et al. 2006; Wiersma et al. 2009; Maoz & Mannucci 2012). Since we rely on observations to constrain the time needed for a progenitor to explode as a SN Ia, we do not need to do any assumption about the mass of the second star in the binary system. Time delay function The shape of the time delay function Φ is constrained by observations of the cosmic SNe Ia rate, which can be seen in Barbary et al. (2012). Dahlen et al. (2004) and Strolger et al. (2004) showed that with a Gaussian function for Φ, a characteristic time of 2 − 4 × 109 years matches well the observations. But later observations suggest that the time delay function could have a younger second peak, implying that a fraction of SNe Ia would occur in less than a billion years after the formation of stars (Mannucci et al. 2006; Dahlen et al. 2008; 60 Strolger et al. 2010). Mannucci et al. (2005) showed that blue galaxies host about 30 times more SNe Ia than red galaxies. This bimodal prescription has already been used in the work of Oppenheimer & Davé (2006). In the present paper, we decided to use instead the power law derived by Maoz & Mannucci (2012), −13 Φ(t) = 4 × 10 t 109 yr −1 SN yr−1 M⊙ −1 , (3.2) since this form seems to reproduce the cosmic SNe Ia rate as well as the difference between blue and red galaxies. Normalization constant Until now, we only considered the shape of the temporal profile of the rate of SNe Ia. But in order to produce the right amount of SNe Ia, we need to fix the constant AIa . To do this, we simply integrate equation (3.1), AIa Z τH fWD (t)Φ(t)dt = fIa N⋆ . (3.3) 0 Here, τH , fIa , and N⋆ represent respectively the current age of the Universe, the fraction of stars producing SNe Ia, and the total number of stars in a stellar population. Except for AIa , the only unknown in this equation is fIa . Fortunately, we can find an approximate value. According to Benson (2010), there should be about 0.0022 SN Ia per M⊙ formed, which is consistent with observations of Maoz & Mannucci (2012). Using the IMF, we found that 0.0118 SN II is produced per M⊙ formed, about the same value found in Benson (2010). This means that there are roughly 5 times more SNe II than SNe Ia. From those numbers, we fixed the value of fIa at 0.00147. It should be noted that the total number of SNe II relative to SNe Ia in a stellar population is subject to many uncertainties. The value assumed by previous papers ranges from 2 to 10 (van den Bergh 1991; Samland 1998; Bekki & Shioya 1999; Marcolini et al. 2006; Tissera et al. 2012). Each time a SN Ia occurs, we use yields provided by Iwamoto et al. (1999) for the composition of the ejected mass. Among the 7 models that generated those yields, we only selected the W7, CDD1, and CDD2 models, because they were the ones that produced significant changes in the results when switching from one to another. Those 3 models represent solar metallicity stars and are used for every metallicity in our simulations. Using the W70 model, which is for zero metallicity stars, did not produce any significant modification in our results relative to the 3 selected models. The major difference between the W70 model and its solar metallicity counterparts is the nitrogen yields. But as shown below, SNe Ia only contribute to less than 1% in the ejection of nitrogen in a stellar population. 61 Tableau 3.3 – Total contribution of stellar phases to the composition of the mass ejected by a 106 M⊙ stellar population at Z = 0.02, 0.008, 0.004, and 0.001. From left to right for the considered metallicity, columns represent respectively the element considered, the fraction of the total mass ejected by stellar winds from massive stars, SNe II (no HN included), LIMS, and SNe Ia, and the total mass ejected in M⊙ . The numbers in boldface highlight which stellar phase dominate the enrichment of the considered elements. X fSW fSNeII fLIMS fSNeIa Mtot — 0.00166 9.16 × 10−5 0.00693 4.58 × 10−4 0.00644 0.00285 0.235 2.71 × 105 6.73 × 103 2.17 × 103 1.85 × 104 168 1.45 × 103 181 1.85 × 103 — 0.00156 1.31 × 10−4 0.00618 6.95 × 10−4 0.00668 0.00411 0.220 2.82 × 105 7.17 × 103 1.52 × 103 2.07 × 104 111 1.40 × 103 125 1.99 × 103 — 0.00247 1.49 × 10−4 0.00624 0.00105 0.00663 0.00574 0.202 2.78 × 105 4.51×103 1.34 × 103 2.05 × 104 72.9 1.41 × 103 89.9 2.16 × 103 — 0.00238 2.10 × 10−4 0.00524 0.00338 0.00461 0.00621 0.163 2.34 × 105 4.69 × 103 944 2.44 × 104 22.7 2.03 × 103 83.1 2.68 × 103 Z = 0.020 H C N O Na Mg Al Si 0.140 0.568 0.312 0.0741 0.0810 0.0395 0.0347 0.0366 0.229 0.277 0.288 0.791 0.846 0.833 0.877 0.628 0.631 0.154 0.400 0.128 0.0726 0.122 0.0858 0.0998 Z = 0.008 H C N O Na Mg Al Si 0.117 0.568 0.126 0.117 0.0487 0.0166 0.0127 0.00821 0.254 0.237 0.268 0.833 0.896 0.918 0.929 0.735 0.629 0.193 0.607 0.0435 0.0547 0.0588 0.0542 0.0372 Z = 0.004 H C N O Na Mg Al Si 0.0882 0.302 0.0489 0.0353 0.0307 0.00542 0.00719 0.00285 0.283 0.350 0.180 0.937 0.914 0.950 0.942 0.778 0.628 0.345 0.770 0.0214 0.0547 0.0380 0.0452 0.0171 Z = 0.001 H C N O Na Mg Al Si 62 0.106 0.427 0.0270 0.0374 0.0145 0.00116 0.00332 — 0.362 0.243 0.0887 0.951 0.837 0.979 0.971 0.834 0.531 0.328 0.884 0.00631 0.145 0.0156 0.0193 0.00288 3.4.5 Single stellar population At the end of the lifetime of a stellar population, every stellar phase described in this section will have contributed to the total mass ejected by this population. Table 3.3 shows the contribution of stellar phases to the composition of the ejected mass from a single population, for some of the available metallicities. As described below, we consider HNe only at very low metallicity, which is why those events are not taken into account in that last table. In our Galaxy, the total contribution of stellar phases refers to the sum of every stellar population that formed in the past, which all have their specific mass and metallicity. To quantify the contribution of stellar phases to the chemical enrichment of the Milky Way, we used the galactic model described in the next section. But just from Table 3.3, we can already see that SNe II should dominate the enrichment of O, Na, Mg, Al, Si, and probably more elements. The carbon and nitrogen enrichment should come respectively from stellar winds from massive stars and LIMS. But the carbon enrichment is closely followed by SNe II and LIMS. 3.5 Galactic evolution model The Milky Way, as every galaxy, contains a large number of stars with different ages, masses, and compositions. To simulate its enrichment history, we needed to include more than one stellar population in order to represent the wide variety of stars found in the Galaxy. To do so, we used our galactic model described in CMDR12. In this model, a galaxy is characterized by its total mass and its SFH. The total mass gives the amount of gas available for star formation and serves as a reservoir to receive the metal ejected by stellar winds and supernovae whereas the SFH sets the number of stars that will form within that gas as a function of time. 3.5.1 Basic equations At each time step, the code tracks the mass of the galactic gas which is composed of 31 elements from H to Ga. Mgas (t) = 31 X MgasX (t) . (3.4) X=1 The mass and the composition of galactic gas change with time since star formation converts gas into stars and stars eventually return enriched material back into the ISM. The change is given by MgasX (t) MgasX (t + ∆t) = MgasX (t) − Ṁ⋆ (t)∆t Mgas (t) h i + ṀSWX (t) + ṀSNeIIX (t) + ṀLIMSX (t) + ṀSNeIaX (t) ∆t . (3.5) 63 Here Ṁ⋆ represents the star formation rate. The four terms inside the bracket represent, from left to right, the mass-loss rate of stellar winds from high-mass stars, Type II supernovae, lowand intermediate-mass stars, and Type Ia supernovae for the element X. The mass-loss rate of each stellar phase is defined by ṀphaseX (t) = X k Ṁphase (Zk , Mk , τk ) , X (3.6) k where Zk , Mk , and τk are respectively the initial metallicity, the initial mass, and the current age of the stellar population k. All populations that are present at time t are included in the sum. In the initial version of our galactic evolution model, the initial metallicity of a stellar population was given by the composition of the galactic gas at the time of its formation. This composition is the mean value over the galactic disc, which is consistent with the use of a onezone model to describe the Milky Way. But observations reveal the existence of a metallicity gradient along the radius of the disc (Cheng et al. 2012), and this has been reproduced with simulations (Chiappini et al. 2001; Cescutti et al. 2007). This means that stars belonging to a same population can form in regions with different gas metallicities. This is taken into account in the newest version of the model : The initial metallicities of the forming stars are given a normal distribution centered on the mean value of the galactic gas : " [Fe/H] − [Fe/H] N ([Fe/H], τ ) = C exp − 2σ 2 2 # . (3.7) Here, N represents the number of stars, [Fe/H] the average metallicity of stars with an age τ , σ the standard deviation, and C the normalization constant. This choice of distribution is supported by the data and results from Casagrande et al. (2011) and Minchev et al. (2013) for stars younger than 10 Gyr. However, for older stars, the shape of the metallicity dispersion becomes asymmetric, which means that the use of a Gaussian function is probably not a good choice anymore. But since those old stars only constitute a small fraction of the whole stellar content, we then assumed that this Gaussian distribution can be used for the metallicity dispersion of every stellar populations in our model. The dispersion σ is a free parameter whose value is set at the beginning of the calculation. We applied gaussian fits to the metallicity distribution functions (MDFs) derived from the data found in Casagrande et al. (2011) for five age bins for stars younger than 10 Gyr. We found that the dispersion σ has a typical value of about 0.2 and does not significantly change from one age bin to an other. With these equations, we calculate at every time step the mass and composition of the gas returned to the ISM by every star population. This increases the metallicity of the ISM, which in turn increases the initial metallicity of the future stellar populations. The composition of 64 the gas returned by stars as a function of time, stellar phase, and metallicity is given by our choice of stellar models described in section 3.4. 3.5.2 Interpolation As in CMDR12, we interpolated stellar models between metallicities to provide a smooth chemical evolution through time. But a problem arises when we need to interpolate between a certain metallicity and Z = 0, because our interpolation law uses the logarithmic value of Z and yields −∞ at Z = 0. This is not really a problem for stellar winds because the explosions of the first stars in our model usually enrich the galactic gas to about Z = 10−8 or higher. This removes the necessity to interpolate between Z = 0 and Z = 10−8 . But things are not as simple for SNe II because depending on the SFH, there might be a lot of stellar populations with metallicity between 0 and 0.001 We then introduced a transition metallicity Zt where we switch SN models from Z = 0 to Z = 0.001. We assumed that a SN from a star with metallicity equal or less than Zt is more similar to a SN at Z = 0 than at Z = 0.001. Here we set the value of the transition metallicity to 10−5 . At this point, it is worth noting that we used the same IMF for every metallicity, including zero metallicity. This is certainly not realistic since the first stars (Population III) were presumably very massive (Bromm et al. 1999; Omukai & Palla 2003), with typical initial masses of about 100 M⊙ (Bromm et al. 2002), although recent simulations with radiative feedback suggest lower initial masses around 30 to 40 M⊙ (Hosokawa et al. 2011; Stacy et al. 2012). The following second generation of metal-free stars could have typical initial masses around 10 M⊙ (Greif & Bromm 2006; Johnson et al. 2008). This suggests an IMF that would produce far more massive stars than a conventional IMF. In this work, we do not try to include the effect of very massive stars on the enrichment of the Milky Way for two reasons. First, the primordial IMF is still unknown (Norman 2008; Bromm & Yoshida 2011). The second reason relies on the fact that Population III stars should stop forming when the metallicity reaches a critical value between 10−6 and 10−3.5 Z⊙ (Greif et al. 2008). In our simulations, this critical metallicity represents a [Fe/H] between −6.3 and −3.9, which is lower than the [Fe/H] obser- ved in the stars used in this work to test our model. Including Population III stars would then be very difficult to validate with observations (see Ballero et al. 2006). 3.5.3 Characteristics of the Milky Way To make our model similar to the Milky Way, we need to know its mass and its SFH. We set the total mass of our Galactic model to 1012 M⊙ based on observations and models of Xue et al. (2008) and McMillan (2011). For the SFH, we used the one derived by Macie et al. (2012) from the results of Maciel et al. (2011), which is based on observations of the number distribution and age of stars. The use of the observed SFH of Rocha-Pinto et al. (2000) yields similar results for our chemical abundances patterns. After 13 Gyr of evolution, our Galactic 65 model contains a stellar mass of 5.6 × 1010 M⊙ . This is consistent with the actual derived stellar mass of the Milky Way (e.g. Flynn et al. 2006; Hammer et al. 2007; McMillan 2011). 3.6 A test with the Milky Way Here we compare our results with the MDF and the chemical composition of the stars observed in the solar neighborhood. In order to do this comparison, we needed to assume that stars in the solar neighborhood are representative of the entire stellar content of the Galaxy, since our model considers a galaxy as a whole. We computed, for all elements considered, the [X/Fe] ratio defined as [A/B] ≡ log(NA /NB ) − log(NA /NB )⊙ , (3.8) where NA and NB represent the number densities of elements A and B. Solar values are taken from Grevesse & Sauval (1998). We do not use the recent solar values found in Asplund et al. (2009) because the observed stars used in our work come from studies that have been published earlier. From our model, we obtain the chemical composition of the Galactic gas at any time. Figure 3.1 shows the evolution of [Fe/H] since the beginning of the simulation. When a star is formed, we assume that the composition of the Galactic gas is locked into the star. This means that a low [Fe/H] star should contain the composition of the gas when the Milky Way was in an early stage of evolution. This is an approximation because the surface composition of a star can change with time because of dredge-up and mixing processes. Nevertheless, only the composition of light elements should be affected by this approximation since most of the observed stars used in this paper are low-mass stars and do not evolve further than the carbon fusion stage. 3.6.1 Metallicity distribution function With our model, we can predict the actual MDF of our simulated galaxies. We just need to compute the number of stars as a function of their initial metallicity for each population, using equation (3.7), and combine all populations. We exclude stars that have lifetimes shorter than the age of their population, since these stars are no longer alive. We selected our best model, 1E5-001-D2, 1 and calculated the MDF for three different values of the metallicity dispersion : σ = 0.00 (no dispersion), 0.05, and 0.17. In the upper panel of Figure 3.2, the resulting MDFs are compared with three recent MDFs derived from observations in the solar neighborhood. Our model cannot reproduce the MDFs observed in our Galaxy when no dispersion is used. In this case, stars are given an initial metallicity equal to [Fe/H], the mean metallicity of the gas. Since this quantity increases with time because of enrichment, stars that form later are given a higher initial metallicity, and the sharp cutoff at [Fe/H] = 0.1 simply corresponds 1. We will see in the following subsections why this model is best. 66 Figure 3.1 – Iron abundance in the Galactic gas as a function of time since the formation of our simulated Milky Way. to the metallicity given to the last stars that formed, just before the end of the simulation. By using a finite metallicity dispersion, our results become more consistent with observations at high [Fe/H] (see the black and grey lines in the upper panel of Figure 3.2). In the range [Fe/H] = 0.0−0.5, we reproduce the observed MDFs of Bovy et al. (2012) when using σ = 0.05, and the ones of Casagrande et al. (2011) and Adibekyan et al. (2012) when using σ = 0.17. But in both cases, our model predicts too many stars below [Fe/H] = −1 compared to observations. This is probably caused by the fact that we counted every single stars present in our model, whereas some low-mass stars might be missed by observations. Indeed, the observations of Casagrande et al. (2011) covered F, G, and some K stars, but do not include any stars below 0.7 M⊙ , and the vast majority of their sample are stars with masses higher than 1 M⊙ . The sample used by Bovy et al. (2012) only includes G stars. We can take this observational bias into account by excluding from the calculation of the MDF every stellar population for which its most massive star has a mass below a certain mass limit. The lower panel of Figure 3.2 shows our predicted MDF after correcting for the missing stars using a mass limit of 0.91 M⊙ . For comparison, we combined some observed samples together in order to get larger samples. This can be done when samples do not overlap. The samples of Casagrande et al. (2011) and Adibekyan et al. (2012) include the nearby stars, whereas Bovy et al. (2012) used a sample that focused on farther regions and missed the local nearby stars. Although other Milky Way models deal with the spatial distribution of stars and can fit the different recent MDFs individually (e.g. Minchev et al. 2013), we only use a 67 Figure 3.2 – Normalized metallicity distribution functions (MDFs) derived from observations (histograms) and predicted by our model. Upper panel : The dashed, grey, and solid black lines show the results directly taken from the output of our simulation, using a Gaussian dispersion in [Fe/H] with width σ = 0 (no dispersion), 0.05, and 0.17, respectively. The histograms represent different sets of observations : Red : Casagrande et al. (2011) ; blue : Adibekyan et al. (2012) (their MDF can be found in Rix & Bovy 2013) ; orange : Bovy et al. (2012). Lower panel : The orange, black, and grey lines show our predictions after applying the correction for low-mass stars (see text). Each histogram represents a combination of two sets of observations. one-zone model, and therefore we must maximize the available data from observations in order to cover a larger fraction of space. As shown in Figure 3.2, our predicted MDF reproduce the observations very well over the entire metallicity range −1.5 ≤ [Fe/H] ≤ 0.5, when we use a dispersion σ = 0.13 − 0.17 and correct for observational bias. The shape of the predicted MDF is broader when we use the observationally constrained value of 0.2 for σ, but the results are still very closed to the case where σ = 0.17. It is worth noting that our model does not consider the infall of gas during the evolution of the Galaxy, which means that the entire gas reservoir for star formation is already available 68 Figure 3.3 – Abundances of 14 elements as a function of [Fe/H]. The lines represent our predictions for models 1E5-001-W7 (short-dashed), 1E5-001-D1 (long-dashed), 1E5-001D2 (solid black line, red when using the H07/E08a pre-SN yields for CNO, and blue when the metallicity dispersion is added), 000-001-D2 (dotted), 000-000-W7 (dot-dashed), and 1E5-999D2 (solid grey line). Colored symbols represent observed stars from Andrievsky et al. (2007, 2008, 2010, green cross), Bensby et al. (2005, orange triangle), Bensby & Feltzing (2006, green triangle), Bergemann & Gehren (2008, magenta triangle), Bihain et al. (2004, green square), Bonifacio et al. (2009, magenta square), Caffau et al. (2005, magenta cross), Cayrel et al. (2004, blue square), Fabbian et al. (2009, cyan cross), Gehren et al. (2006, orange cross), Gratton et al. (2003, cyan triangle), Israelian et al. (2004, cyan square), Lai et al. (2008, red triangle), Nissen et al. (2007, orange square), Reddy et al. (2003, blue triangle), Reddy et al. (2006, red cross), and Spite et al. (2005, blue cross). This plot is similar to Figure 22 found in Romano et al. (2010). 69 Tableau 3.4 – Parameters used in our simulations. From left to right, columns represent the name of the simulation, the SN Ia table used from Iwamoto et al. (1999), the transition metallicity where we switch from Z = 0 tables to Z = 0.001 tables for SNe II and HNe, and the metallicity after which no more HNe occur. Simulation SNe Ia table Zt ZHNe 000-000-W7 W7 0 All SNe 1E5-001-W7 W7 1E5-001-D1 −5 0.001 CDD1 10−5 0.001 1E5-001-D2 CDD2 10 −5 0.001 000-001-D2 CDD2 0 1E5-999-D2 CDD2 10 10 −5 0.001 All HNe at the beginning of the simulation. Those type of models have tendency to overproduce the number of low-metallicity stars. Indeed, the accretion process has been introduced in models to solve this overproduction problem (e.g. Eggen et al. 1962; Lynden-Bell 1975; Chiosi 1980). This means that our mass limit value of 0.91 M⊙ should be taken as an upper limit, since our model probably produces too many low-metallicity stars. 3.6.2 Abundance Ratios Romano et al. (2010) already performed a detailed analysis on the use of different stellar models for massive stars, low- and intermediate-mass stars, and SNe II on the chemical enrichment of the Milky Way. They found that the best match with observations occurs when they used stellar models with rotation for massive stars (see references therein), Karakas (2010) for low- and intermediate-mass stars, and Nomoto et al. (2006) for SNe II. They also assumed that every star with an initial mass higher then or equal to 20 M⊙ explodes as a HN. Here we extend the analysis by using different sets of yields for SNe Ia, by changing the number of HNe with metallicity, and by including a transition metallicity where we switch from Z = 0 tables to Z = 0.001 tables for SNe II and HNe tables. To do this, we introduced further free parameters in our model, which are listed in Table 3.4. After performing some tests in order to improve our fits, we decided that HNe should occur when a star has an initial mass equal or above 40 M⊙ . In Figures 3.3, 3.4, and 3.5, we plot our predicted abundance ratios relative to Fe, Mg, and O, respectively, and compare them to observations. To be consistent with our predictions, we normalized the observed ratios to the solar values provided by Grevesse & Sauval (1998) when needed. We also considered the elements K, Sc, Ti, V, and Co but our predictions are offset compared to observations since they are hard to fit with the actual stellar models available 70 in the literature. Except for these elements, our enrichment models match relatively well the abundance patterns observed in the Milky Way stars. We refer to Romano et al. (2010) for a discussion on the production of the elements shown in Figure 3.3. As we see in the abundance patterns, the use of HNe at very low metallicity is almost essential (see Kobayashi et al. 2006 and Romano et al. 2010). Indeed, HN models are tailored to reproduce the abundances observed in the extremely metal-poor stars of the Galaxy (e.g. Umeda & Nomoto 2002). Besides carbon and nitrogen, HNe improve the fits for every element at low [Fe/H]. In the case of carbon, the results are similar with and without HNe. At high metallicity, HNe are not as essential as at low metallicity. Sometimes the differences between the cases with and without HNe are not very significant, which is the case for C, N, O, Mg, Si, S, Ca, and Cr. In the case of aluminum, nickel, and copper, the fits seem better with SNe II only. But on the other hand, HNe improve the results for sodium, manganese, and zinc. Figure 3.4 – Abundances of C and O as a function of [O/H]. The lines and symbols are the same as in Figure 3.3. The black crosses represent the data from Akerman et al. (2004) which do not appear in Figure 3.3. The effect of using the transition metallicity Zt in our simulations is only visible when the SNe and HNe yields in stellar models are not similar from Z = 0 to Z = 0.001. This is the case for nitrogen, sodium, aluminum, and copper. The aluminum and copper fits are better when we use Zt = 10−5 instead of zero. This choice, however, affects negatively the fits for nitrogen and sodium. But sodium is still consistent with observations, and nitrogen is always underestimated at very low metallicity when using the tables from Nomoto et al. (2006). The only way to reasonably reproduce the nitrogen observations at very low metallicity is by using 71 the pre-SN yields provided by the H07/E08a models for CNO at Z = 0 and Z = 10−8 instead of using the values from Nomoto et al. (2006) (see Chiappini et al. 2006; Romano et al. 2010; Prantzos 2012). At very low and zero metallicities, stellar rotation increases the amount of nitrogen at the surface of massive stars by several orders of magnitude prior the SN stage (e.g. Meynet & Maeder 2002; Ekström et al. 2005, 2008a). Even if that amount of nitrogen is not ejected by stellar winds, the composition of the resulting SNe contain a lot more nitrogen when stellar rotation is taken into account during the lifetime of stars. Figure 3.5 – Abundances of Al, Na, and Mg as a function of [Mg/H]. The lines and symbols are the same as in Figure 3.3. The blue lines in Figures 3.3, 3.4, and 3.5 show our results when the metallicity dispersion, as described in section 3.6.1, is applied to our best model 1E5-001-D2 with the pre-SN yields from the H07/E08a models. By considering a metallicity dispersion, we increase the computing time, since we need to consider several stellar populations with different metallicities at each time step, instead of just one population with an average metallicity. But as we can see in those last figures, although the metallicity dispersion generate a better fit with the observed MDF, it does not significantly change the results on the abundance ratios. That means we 72 will rather choose σ = 0 (see section 3.5) when our interest will be focused on the general enrichment evolution of galaxies. Figure 3.6 – Total mass (upper panel) and the mass of metals (lower panel) ejected as a function of time by stellar winds from massive stars, LIMS, SNe II, and SNe Ia in our simulated Milky Way. The dotted lines represent the sum of all stellar phases. 3.6.3 Contribution of stellar phases With our chemical enrichment model, we can look at the contribution of the different stellar phases to the global enrichment of the Milky Way. The upper panel of Figure 3.6 shows that SNe II dominate the mass-loss budget before the first billion years of Galactic evolution. But at later time, LIMS become equally important as they eject a similar quantity of matter back in the Galaxy. However, we can conclude from the lower panel of Figure 3.6 that SNe II eject a lot more metals than LIMS. Indeed, SNe II dominate metal ejection at all times in the evolution of our Galaxy. We also looked at the contribution of the different stellar phases on the enrichment of individual elements for three of our models using the pre-SN yields from the H07/E08a models (Fig. 3.7). This is helpful to understand how stellar phases affect the 73 Figure 3.7 – Contribution of stellar phases to the composition of the mass ejected by stars as a function of [Fe/H] in our simulated Galaxy. Each color represents a stellar phase, blue for stellar winds from massive stars, green for SNe II, red for LIMS, and orange for SNe Ia. For every element, the lines are normalized to the total mass ejected for this element at the end of the simulation. Solid, short-dashed, and long-dashed lines represent respectively simulations 1E5-001-D2, 1E5-001-D1, and 1E5-001-W7. In all of these simulations, we used the pre-SN yields from the H07/E08a models at zero and very low metallicity. 74 [X/Fe] ratios. In this figure, the only difference between the three models is the composition of the mass ejected by SNe Ia. But still, some variations can be seen in the contribution of other stellar phases from one model to another, especially when SNe Ia contribute significantly to an element. This happens because all the values are normalized to a different number when choosing different SN Ia models. Figure 3.8 – Metallicity, the total mass of all metals divided by the total mass, as a function of [Fe/H] for our simulated Galactic gas. The early evolution of the [C/Fe] ratio in Figure 3.3 is dominated by SNe II. The stellar rotation during the lifetime of massive stars significantly increases the amount of carbon present in the ejecta of those SNe (see also Chiappini et al. 2006; Ekström et al. 2008a), which is also true for nitrogen. The little bump starting around [Fe/H] ∼ −1.8 in the [C/Fe] ratio is caused by the increasing contribution of stellar winds and LIMS. At higher [Fe/H], SNe Ia bring a huge amount of iron that balances the increasing ejection of carbon, resulting in a flat profile until the end of the simulation. The little bumps seen in the stellar wind contribution of carbon, and also oxygen (Fig. 3.7), might not be realistic and might come from the switch of interpolation laws between two metallicities. As a matter of fact, [Fe/H] ∼ −1.8 is associated to the metallicity Z = 5 × 10−4 (Fig. 3.8) which is a metallicity available in stellar wind models. Beyond this metallicity, the interpolation laws are calculated from stellar models with metallicity boundaries of 0.0005 and 0.001 instead of 10−8 and 0.0005, which yields some difference in the evolution of stellar winds as a function of metallicity. The same event happens when [Fe/H] reaches −0.6, corresponding to the available stellar models at Z = 0.008. More metallicities with a wide range of initial mass for stellar wind models should smooth those 75 Tableau 3.5 – Total contribution of stellar phases on the composition of the mass ejected by stars in our simulated Galaxy using our best model 1E05-001-D2 with the pre-SN yields from the H07/E08a models. From left to right, columns represent respectively the element considered, the fraction of the total mass ejected by stellar winds from massive stars, SNe II + HNe, LIMS, and SNe Ia, and the total mass ejected. The numbers in boldface are to highlight which stellar phase dominate the enrichment of the considered elements. X fSW fSNeII fLIMS fSNeIa Mtot C 0.528 0.282 0.188 1.57×10−3 5.61×108 N 0.225 0.279 0.496 1.08×10−4 1.46×108 O 0.0739 0.874 0.0465 5.60×10−3 1.81×109 Na 0.0644 0.880 0.0546 5.66×10−4 1.07×107 Mg 0.0220 0.917 0.0558 5.50×10−3 1.35×108 Al 0.0221 0.925 0.0496 3.25×10−3 1.26×107 Si 0.0162 0.751 0.0384 0.194 1.78×108 S — 0.686 0.0666 0.247 8.37×107 Ca — 0.638 — 0.362 1.15×107 Cr — 0.364 — 0.636 4.50×106 Mn — 0.240 — 0.760 1.55×106 Fe — 0.338 0.0510 0.611 2.37×108 Ni — 0.252 0.0467 0.702 1.53×107 Cu — 0.992 — 7.93×10−3 1.32×105 Zn — 0.945 — 0.0515 3.40×105 profiles. Besides the low [Fe/H] region, Figure 3.7 shows that LIMS are the main contributors to the nitrogen enrichment at high metallicity, whereas SNe II dominate at early times, especially when stellar rotation is taken into account. The shape of the O, Na, Mg, Al, Si, S, Ca, Cu, and Zn abundance ratios are clearly dominated by SNe II at all times, while SNe Ia play a minor role in the Si, S, and Ca ratios at high [Fe/H]. But for Cr, Mn, and Ni, SNe II are eventually overcome by SNe Ia. Those last three elements present bumps in Figure 3.3 that are associated to the increasing importance of SNe Ia. However, those bumps are not seen in the chromium and nickel observations. This might suggest that too many SNe Ia occur in our simulations. But as explained in section 3.4.4, our number ratio of SNe II versus SNe Ia is 5, with an acceptable range from 2 to 10. That means we can reduce the number of SNe Ia by a factor of 2, but this only produces a minor change in the chromium and nickel profiles. 76 The bumps caused by SNe Ia is also seen in the manganese profile. The observed data show a visible bump, but at higher metallicity. This discrepancy might come from the fact that the SNe Ia yields do not change with metallicity. As claimed by Cescutti et al. (2008), in order to reproduce the observed [Mn/Fe] pattern, the composition of the mass ejected by SNe Ia must be metallicity-dependent. And this is probably true for other elements. Indeed, Kobayashi et al. (2006) and Romano et al. (2010) suggested that it might also be the case for nickel. 3.6.4 Total contribution of stellar phases The current metal content in the Galactic gas comes from the cumulated enrichment of every star that had formed in the past. Table 3.5 quantifies the total contribution of stellar phases on today’s composition of the gas present in the Milky Way, as predicted by our best model, 1E5-001-D2 with pre-SN yields. In the literature, it is not clear which stellar phase between stellar winds from high-mass stars and LIMS has been the most important source of carbon in the Milky Way (e.g. Gustafsson et al. 1999; Henry et al. 2000; Liang et al. 2001; Chiappini et al. 2003b; Dray et al. 2003; Carigi et al. 2005; Gavilán et al. 2005; Mattsson 2010). In our models, carbon, which is formed by the triple α process (Wallerstein et al. 1997), is mainly ejected by stellar winds from massive stars. The only metallic element dominated by the ejecta of LIMS in our study is nitrogen, which forms during the CNO cycle (Arnett 1996), mainly in intermediate-mass stars (Karakas & Lattanzio 2007). This is consistent with other works (e.g. Liang et al. 2001; Chiappini et al. 2003b; Dray et al. 2003). Besides nitrogen, LIMS dominate the ejection of hydrogen and helium (see Fig. 3.6). Indeed, the global metallicity during simulations is usually lower when we consider the contribution of LIMS. SNe II clearly dominate the ejection of O, Na, Mg, Al, Si, S, Ca, Cu, and Zn, whereas SNe Ia dominate for Cr, Mn, Fe, and Ni, although yields of manganese and nickel are likely overestimated due to neglecting metallicity effects. 3.7 Summary and conclusion In this paper we updated our chemical enrichment ingredients from our previous work CMDR12. We now use the stellar models shown in Table 1 for stellar winds from massive stars under the effect of rotation, Nomoto et al. (2006) models for SNe II and HNe with pre-SN yields from the H07/E08a models at zero and very low metallicity, Karakas (2010) models for mass-loss from LIMS, and Iwamoto et al. (1999) models for SNe Ia. The goal of this work was to validate our enrichment model, which will be used as a subgrid treatment in cosmological simulations. To do so, we tested our enrichment model by using our galactic evolution model, and by comparing our predicted MDF and abundance patterns in the gas with the stars observed in the solar neighborhood. Our model provides the prediction for 31 chemical elements, but only 14 of them could be compared with observations. Our best 77 model, 1E5-001-D2 with pre-SN yields, fits relatively well the observed patterns of C, N, O, Na, Mg, Al, S, and Ca. The fits for Si, Cr, Mn, Ni, Cu, and Zn are not bad, but surely need improvements. Some improvements concerning stellar models would improve the quality of our predictions : more metallicities, a wider range of initial masses, and a self-consistent coupling of pre-SN phase calculations including mass-loss and rotation with explosive phase calculations, since stellar rotation is expected to have important consequences for the SN explosion mechanism (see Heger et al. 2005) These improvements will probably come from the NuGrid project (http ://www.nugridstars.org/), which aims to provide a consistent set of stellar evolution models from low-mass to massive stars to generate the nucleosynthesis produced by all stellar phases. To be part of cosmological simulations, our model needed to be as simple as possible to limit the computing time, without compromising its validity. Even with its simplicity, our model can still generate the global enrichment history of our solar neighborhood. As opposed to other more complex models cited above, we cannot resolve anything about the spatial distribution of metals over time within the Galaxy. But for our purpose, in the cosmological context, we only need to reproduce the general enrichment behavior of galaxies. For these reasons, we believe that our model is than suitable for a subgrid treatment of galactic chemical evolution in large-scale cosmological simulations. Our enrichment prescription will be applied to the specific SFH of each galaxy present in the simulated volume. This research is supported by the Canada Research Chair program and NSERC. BC is supported by the FQRNT graduate fellowship program. We are thankful to Falk Herwig for reading the original manuscript prior to submission. We also thank the referee for constructive criticism and thorough review of the original version of this paper, which led to significant improvements in our model. 78 Chapitre 4 Modèle semi-analytique de base Ce chapitre présente le MSA de base utilisé pour générer l’évolution des galaxies. Le modèle d’enrichissement présenté dans les deux derniers chapitres a été intégré à ce MSA afin d’enrichir les différentes composantes d’une galaxie (voir section 4.3). Aujourd’hui, pratiquement tous les MSAs galactiques utilisés pour étudier l’évolution des galaxies dans un contexte cosmologique ont comme base le modèle de White & Frenk (1991). Ce dernier s’est avéré être en bon accord avec les simulations hydrodynamiques dans des conditions semblables (Yoshida et al. 2002). Dans ce modèle, chaque galaxie se forme dans un halo de matière sombre, dont les caractéristiques sont calculées à l’aide du théorème du viriel, 2 Vvir = GMvir , Rvir (4.1) où Vvir , Mvir , Rvir et G représentent la vitesse des particules de matière sombre, la masse totale (matière sombre et matière baryonique), le rayon du système virialisé et la constante gravitationnelle. Ce rayon est déterminé de façon à ce que la densité moyenne contenue à l’intérieur de ce rayon soit 200 fois supérieure à la densité moyenne de l’Univers, au moment de la formation d’une galaxie (e.g. Eke et al. 1996). Selon le modèle de White & Frenk (1991), lorsqu’un nuage de gaz s’effondre dans un halo de matière sombre pour éventuellement former une galaxie, une onde de choc est produite et le gaz est chauffé à la température du viriel Tvir , kTvir 1 2 = µmH Vvir 2 −→ Tvir = 35.9 Vvir km s−1 2 [K]. (4.2) Dans ces équations, k et µmH représentent respectivement la constante de Boltzmann et la masse moléculaire moyenne où mH est la masse d’un atome d’hydrogène. Au moment de formation, le gaz chauffé par l’onde de choc occupe tout le volume du halo de matière sombre et est distribué spatialement en supposant qu’il s’agit d’une sphère isotherme, ρ(r) = Mhalo . 4πRvir r 2 (4.3) 79 Ici, ρ représente la densité du gaz à une distance r du centre du halo de matière sombre. La masse Mhalo est associée à la masse de gaz qui se retrouve à l’intérieur du halo de matière sombre, et non à la masse de la matière sombre elle-même. Avec le temps, une partie de ce gaz se refroidit et s’effondre au centre du halo, ce qui engendre la formation de la galaxie. Ainsi, selon cette vision, le gaz du halo représente donc la matière provenant du MIG qui s’est accumulée à l’intérieur du halo de matière sombre, mais qui ne s’est pas encore intégrée au MIS de la galaxie centrale. Le gaz refroidi, qui se retrouve à l’intérieur d’une galaxie, est appelé gaz froid et représente le MIS. 4.1 Refroidissement du halo Pour convertir une partie du gaz du halo en gaz froid, nous devons considérer un temps caractéristique de refroidissement, tref (White & Frenk 1991). Ce dernier est défini en divisant l’énergie thermique spécifique du gaz du halo, à l’intérieur d’un certain rayon r, par une fonction de refroidissement Λ (voir Lu et al. 2011), tref (r) = 3µmH kTvir . 2ρ(r)Λ(Tvir , Z) (4.4) Les fonctions de refroidissement Λ proviennent des tables calculées par Sutherland & Dopita (1993), qui sont encore grandement utilisées aujourd’hui. Pour différentes métallicités, en terme de [Fe/H], et pour différentes températures, ces tables fournissent le taux de perte d’énergie pour un plasma en équilibre collisionnel d’ionisation, en prenant compte de tous les niveaux d’ionisation des éléments suivants : H, He, C, N, O, Ne, Na, Mg, Al, Si, S, Cl, Ar, Ca, Fe et Ni. Avec les modèles stellaires utilisés dans le cadre de ce projet, la composition du gaz dans les simulations est suivie dans le temps. Cependant, les abondances relatives des éléments ne risquent pas d’être exactement les mêmes que celles utilisées dans les calculs de Sutherland & Dopita (1993). Mais les tables de ces derniers auteurs seront tout de même utilisées, car il est impensable de refaire tous leurs calculs à chaque pas de temps. Le transfert de gaz entre le halo et la galaxie centrale se fait à l’intérieur d’un rayon de refroidissement rref . Ce dernier est isolé à partir de l’équation (4.4) en égalant tref au temps nécessaire pour que le gaz à l’intérieur de rref puisse se refroidir de manière quasi-statique, ce qui implique que le halo gardera toujours une certaine forme d’équilibre. Ce temps est approximativement le temps dynamique du halo (Springel et al. 2001), et est défini par tref (rref ) ≈ tdyn = 80 3π 16Gρ 1/2 = π Rvir . 2 Vvir (4.5) 4.1.1 Refroidissement lent Il existe deux régimes de refroidissement pour approvisionner la galaxie centrale à partir du halo. Lorsque rref < Rvir , le gaz du halo doit se refroidir de manière quasi-statique avant de tomber dans le MIS. Ce cas représente le mode de refroidissement lent. En effet, le fait que rref < Rvir revient à dire que le temps nécessaire pour refroidir entièrement le gaz présent dans le halo est plus long que son temps dynamique. Le taux de refroidissement se calcule donc en divisant la masse de gaz du halo, à l’intérieur du rayon rref , par le temps de refroidissement, Mhalo (rref ) = Z 0 rref ρ(r)4πr 2 dr = Mhalo rref , Rvir dMfroid Mhalo (rref ) 2Mhalo rref Vvir ≈ ≈ . 2 dt tref πRvir (4.6) (4.7) Ce résultat est différent de celui de Springel et al. (2001) et de Croton et al. (2006) qui utilisent l’équation (4.8) définie plus bas. L’origine du facteur 2 au dénominateur de cette dernière équation est mystérieuse et n’est pas précisée dans les articles qui l’utilisent. Mais puisque le tout demeure une approximation assez grossière de la réalité, il est possible que le facteur 2/π ait tout simplement été réduit à 1/2. Mhalo rref Mhalo rref Vvir dMfroid = = 2 dt Rvir 2tref 2Rvir (4.8) En général, la résolution temporelle des simulations sera inférieure au temps dynamique du halo, ce qui signifie que la masse de gaz à l’intérieur de rref n’aura pas le temps de se refroidir entièrement durant un pas de temps ∆t. Seule la partie centrale aura le temps de se refroidir et de s’effondrer dans le MIS, car le centre se refroidit toujours en premier, puisqu’il s’agit de la région la plus dense. Par la suite, le gaz restant à l’intérieur du halo va se redistribuer spatialement pour combler le vide au centre. Le profil de densité aura la même forme, mais possèdera des valeurs plus basses, car il y aura désormais moins de gaz dans le halo (voir équation 4.3). Par la suite, un nouveau rayon de refroidissement sera calculé afin de déterminer le taux de refroidissement du prochain pas de temps. Le profil isotherme du gaz dans le halo ignore complètement la présence de la galaxie en son centre, alors qu’en réalité, ce gaz ne devrait pas s’étendre par-dessus. Mais puisque la galaxie n’occupe qu’un petit volume d’espace comparativement à la taille du halo, tous les travaux semi-analytiques négligent la présence de la galaxie dans ce profil isotherme. 4.1.2 Refroidissement rapide Dans le cas où rref > Rvir , le gaz du halo n’est plus en équilibre hydrostatique et le refroidissement se fera en mode rapide (White & Frenk 1991; Springel et al. 2001; Croton et al. 2006). Le fait que rref > Rvir revient à dire que le temps de refroidissement est plus court 81 que le temps dynamique du halo, ce qui implique que le gaz dans le halo ne devrait plus être supporté par la pression thermique. Dans ces conditions, le gaz devrait s’effondrer au centre du halo en chute libre (Kereš et al. 2009; Mo et al. 2010). La conversion de gaz sera dans ce cas calculée en divisant la masse totale présente dans le halo par le temps de chute libre tff , tff = 3π 32Gρ 1/2 1 = √ tdyn , 2 √ Mhalo 2 2Mhalo Vvir dMfroid ≈ ≈ . dt tff πRvir (4.9) (4.10) Ce résultat est encore une fois différent des équations utilisées par Springel et al. (2001) (équation 4.11) et de Croton et al. (2006) (équation 4.12), dMfroid Mhalo Vvir = , dt 2Rvir (4.11) Mhalo dMfroid = . dt ∆t (4.12) Dans la première de ces deux dernières équations, rref a simplement été remplacé par Rvir dans l’équation (4.8), limitant ainsi le taux de refroidissement. Le désavantage de cette méthode est qu’il n’y a désormais plus de différence entre les deux modes de refroidissement. La deuxième équation, celle de Croton et al. (2006), considère une différence entre le refroidissement rapide et lent, mais le taux de refroidissement est dépendant du pas de temps ∆t de la simulation, qui n’est pas un paramètre physique. Néanmoins, selon l’analyse de Lu et al. (2011), le modèle de Croton et al. (2006) semble être le plus consistant avec les simulations hydrodynamiques en une dimension, dans des conditions semblables. Malgré cette dernière comparaison, nous utilisons tout de même l’équation (4.10) dans l’élaboration de notre modèle. 4.1.3 Évolution du refroidissement Considérons une série de halos isolés, ayant des masses Mvir différentes, qui se forment à un décalage vers le rouge de zf = 10. Ici, zf 1 n’est utilisé que pour déterminer les paramètres de base des halos, soient Rvir , Vvir et Tvir . Nous supposons que ces paramètres restent constants durant l’évolution de chaque halo. Cela n’est peut-être pas réaliste, mais le but ici est d’isoler le comportement du refroidissement. Comme le montre la figure 4.1, le refroidissement est en mode rapide dans les premiers instants de l’évolution des halos de faible masse. Au moment de formation de chaque halo, le rayon de refroidissement rref ne dépend que du décalage vers 1. Un temps t peut être relié à un décalage vers le rouge z. Ainsi, lorsque les galaxies évoluent dans le temps, z varie. Le décalage vers le rouge de formation zf , quant à lui, reste constant. Nous gardons le terme z dans les équations présentées dans cette section dans le but de rester général, car nous faisons référence à certaines de ces équations dans les prochains chapitres. 82 le rouge z et de la fonction de refroidissement Λ. Pour obtenir cette relation, nous devons premièrement égaler le temps de refroidissement au temps dynamique du système virialisé, tref = 2 6πµmH kTvir Rvir rref π Rvir 3µmH kTvir = = tdyn = . 2ρΛ Mhalo Λ 2 Vvir (4.13) 2 et que M Par la suite, sachant que Tvir ∝ Vvir halo ∝ Mvir lorsque tout le gaz du système se retrouve dans le halo, l’équation (4.13) peut s’écrire sous la forme suivante, constante = 3 r2 Vvir ref . Mvir Λ (4.14) 1/3 2 ∝ M /R Ensuite, puisque Vvir vir vir et que Rvir ∝ Mvir /(1 + z), l’équation (4.14) se réduit à 2 ∝ rref Λ . (1 + z)3/2 (4.15) Il est important de rappeler que cette dernière équation n’est valide que lorsque tout le gaz se retrouve dans les halos, ce qui représente la condition initiale de formation. Pour l’instant, la fonction de refroidissement Λ ne varie, d’un halo à l’autre, que par un facteur allant de 1 à 5. Cette variation est occasionnée par la dépendance en Tvir qui dépend de la masse Mvir . Mise à part cette petite variation, l’équation (4.15) montre que tous les halos ont initialement un rayon de refroidissement similaire. Le rayon Rvir du système virialisé, quant à lui, augmente avec la masse totale Mvir . Il est donc normal que pour les petits halos, rref soit initialement plus grand que Rvir . Mais lorsque la masse du système augmente suffisamment, le rayon Rvir finit par devenir supérieur à rref , ce qui engage le mode refroidissement lent. Tableau 4.1 – Masse du viriel de transition où le mode de refroidissement du halo passe de rapide à lent. De gauche à droite, les colonnes représentent le décalage vers le rouge de formation, la masse de transition et la température du gaz dans le halo. La masse de transition ne détermine que le mode de refroidissement au moment initial de la formation du système. zf Mtrans,ref [1011 M⊙ ] Tvir [106 K] 10 9 8 7 6 5 4 3 2 1 0 5.25 4.65 4.05 3.65 3.15 2.75 2.35 2.15 2.05 2.15 2.85 3.50 2.93 2.41 2.00 1.58 1.24 0.93 0.70 0.51 0.35 0.21 83 Figure 4.1 – Refroidissement des halos en fonction du temps. Chaque ligne représente un système virialisé de masse Mvir différente. Les lignes pleines et en traits sont associées respectivement au mode de refroidissement rapide et lent. Les paramètres du halo correspondent aux conditions de formation à un décalage vers le rouge de zf = 10. D’après la Figure 4.1, il existe une masse de transition 2 Mtrans,ref , entre 1011 et 1012 M⊙ , qui sépare les deux modes de refroidissement initiaux. Selon le Tableau 4.1, la valeur de cette masse de transition atteint un minimum à zf ∼ 2. Pour comprendre ce minimum, nous devons 2 ∝ Λ/(1 + z)3/2 au moment premièrement dériver une relation pour Mtrans,ref . Sachant que rref 1/3 de formation d’un halo, que Rvir ∝ Mvir /(1 + z) et que Rvir = rref lorsque Mtrans,ref = Mvir , il est possible d’obtenir l’équation suivante, Mtrans,ref ∝ Λ3/2 (1 + z)3/4 . (4.16) Pour l’instant, puisque le gaz dans tous les halos possède une composition primordiale, la masse de transition ne dépend donc que de la température Tvir , qui est incluse dans Λ, et du décalage vers le rouge associé à la formation du système. Le Tableau 4.1 montre que la tem2. Cette masse fait référence à la masse totale Mvir du système virialisé. 84 pérature du halo, associée à Mtrans,ref , diminue constamment avec le décalage vers le rouge. La remontée de Mtrans,ref , lorsque zf < 2, peut donc s’expliquer par le fait que Tvir passe en dessous de 106 K, un minimum local de la fonction de refroidissement (voir Figure 4.2). En dessous de cette température, la fonction Λ tend donc à faire augmenter la valeur de Mtrans,ref (voir équation 4.16). Jusqu’à maintenant, nous avons concentré l’analyse sur le mode de refroidissement initial, c’est-à-dire au moment de formation des halos. Mais comme le montre la Figure 4.1, même si le refroidissement est initialement rapide, il y aura toujours une transition vers un refroidissement lent au cours de l’évolution d’un halo. En considérant maintenant que la masse de gaz dans le halo diminue avec le temps, nous pouvons isoler encore une fois le rayon rref à partir de l’équation (4.13), mais cette fois-ci en conservant le terme Mhalo , 2 ∝ rref Mhalo Λ . Mvir (1 + z)3/2 (4.17) Figure 4.2 – Fonction de refroidissement d’un gaz primordial en fonction de sa température. Il s’agit d’une illustration d’une des tables de Sutherland & Dopita (1993) où Z représente la métallicité, et non le décalage vers le rouge. Selon cette dernière équation, nous voyons donc que si un halo perd de la masse, le rayon rref pourra diminuer et devenir plus petit que Rvir , ce qui enclenchera le refroidissement lent. Pour comprendre pourquoi le rayon de refroidissement diminue avec la masse de gaz Mhalo , il est bien de rappeler que rref correspond au rayon à l’intérieur duquel le gaz peut se refroidir en un temps tdyn . Donc si la masse Mhalo au temps t + ∆t devient soudainement plus petite qu’au temps t, la densité moyenne du gaz dans le halo diminuera, et le gaz situé à rref (la valeur au temps t) prendra désormais plus de temps à se refroidir. Le rayon rref , au temps t + ∆t, 85 devra donc se rapprocher du centre jusqu’à ce que le gaz soit assez dense pour se refroidir à l’intérieur d’un temps tdyn . Figure 4.3 – Approvisionnement en gaz froid par le refroidissement du halo. Chaque ligne représente un système virialisé de masse Mvir différente. L’évolution dans le temps de la masse Mfroid provient du refroidissement du gaz du halo. Les lignes pleines et pointillées sont associées à des décalages vers le rouge différents. Les halos de 108 et 109 M⊙ ne sont pas considérés à zf = 0, car les températures de ces systèmes sont inférieures à 104 K, qui est la limite inférieure des températures fournies par les tables de refroidissement de Sutherland & Dopita (1993). 4.1.4 Évolution du réservoir de gaz froid La Figure 4.3 montre l’évolution temporelle de la masse contenue dans la galaxie centrale, Mfroid , en fonction de la masse totale du système Mvir , et du décalage vers le rouge de formation zf 3 . Pour les halos de 108 à 1011 M⊙ formés à zf = 10, il y a environ un ordre de grandeur de masse entre chaque courbe. Cela s’explique en considérant premièrement que le taux de refroidissement en mode rapide est donné par Mhalo /tff . Par la suite, en exprimant Rvir et Vvir en termes de Mvir , nous remarquons que le temps de chute libre, et par conséquent 3. Lorsque zf = 0, les systèmes évoluent à partir du présent vers le futur. 86 le temps dynamique du halo, ne dépend que du décalage vers le rouge, tff ∝ 1 . (1 + z)3/2 (4.18) Ainsi, en augmentant Mvir , et par conséquent Mhalo , par un ordre de grandeur, nous augmentons également le taux de refroidissement par un ordre de grandeur. Puisque le halo de 1012 M⊙ se refroidit lentement, la croissance de Mfroid se fait plus tranquillement, ce qui explique le rapprochement observé dans la Figure 4.3 entre les courbes des halos de 1011 et de 1012 M⊙ . Un autre aspect important de cette dernière figure est que les halos prennent davantage de temps à se refroidir lorsque le décalage vers le rouge est petit. En effet, en devenant moins compacts lorsque zf passe de 10 à 0, les systèmes virialisés augmentent leurs temps dynamique et de chute libre (voir équation 4.5 et 4.9), ce qui réduit les taux de refroidissement. Mais au final, comme le démontre la Figure 4.3, les systèmes parviennent toujours à refroidir la totalité de leur réservoir de gaz chaud. Cependant, comme nous le verrons dans les prochains chapitres, l’implantation des vents galactiques dans le modèle modifie énormément les résultats. 4.1.5 Test de résolution Pour faire évoluer le modèle, nous devons diviser la durée totale d’une simulation en plusieurs pas de temps ∆t. À chaque pas de temps, nous multiplions le taux de refroidissement dMfroid /dt par ∆t afin de connaître la quantité de gaz qui est transférée du halo jusque dans la galaxie. Puisque les taux de refroidissement dépendent de la quantité de gaz disponible à refroidir, la résolution temporelle, c’est-à-dire le choix de ∆t, peut affecter les résultats. Par exemple, si dMfroid /dt = 1 M⊙ an−1 pour un halo de 108 M⊙ , un ∆t de 109 années impliquerait un refroidissement plus important que la masse totale du halo. Il s’agit bien entendu d’un cas extrême, mais cela démontre qu’il est important de s’assurer que le choix du ∆t n’affecte en aucun cas les résultats. Les Figures 4.4 et 4.5 montrent que tant que ∆t est inférieur à un dixième du temps de chute libre des halos, sa valeur n’a pas beaucoup d’impact sur l’évolution du refroidissement. Nous avons choisi de créer une dépendance entre ∆t et le temps de chute libre, car ce dernier caractérise en quelque sorte la vitesse à laquelle le système réagit et évolue. Ce choix de résolution fait de ∆t une variable qui s’ajuste automatiquement lorsque les paramètres du virel sont modifiés au cours d’une simulation. 4.2 Formation stellaire Les étoiles sont sans aucun doute le moteur de l’évolution des galaxies. En déposant de l’énergie et des métaux dans le MIS, les étoiles perturbent significativement les conditions physiques du gaz et la formation stellaire en général. Mais avant de modéliser l’impact des étoiles sur leur environnement, il faut tout d’abord les former. La grande majorité des MSAs galactiques retrouvés dans la littérature forment les étoiles à partir du gaz froid (Figure 4.6) 87 Figure 4.4 – Test de résolution pour le refroidissement à zf = 10. Le panneau du haut montre l’évolution dans le temps de la masse de gaz dans le halo et du gaz froid pour un halo de 108 M⊙ avec les conditions de zf = 10. Chaque couleur représente une résolution ∆t différente, en unités de temps de chute libre tff . Le panneau du bas montre le ratio de la masse froide obtenue en utilisant deux résolutions ∆t différentes. La courbe rouge montre le ratio entre l’évolution de la masse stellaire obtenue lorsque ∆t = tff /10000 et celle obtenue lorsque ∆t = tff /1000. La courbe verte montre le ratio entre les résultats de ∆t = tff /1000 et ∆t = tff /100, et la courbe bleue montre le ratio entre les résultats de ∆t = tff /100 et ∆t = tff /10. et calculent le TFS de la manière suivante (Baugh 2006), Ṁ⋆ = f⋆ Mfroid , τ⋆ (4.19) où f⋆ représente l’efficacité de formation stellaire et détermine la fraction de gaz froid impliqué dans la formation d’étoiles. La variable τ⋆ correspond à l’échelle de temps du processus de formation stellaire et fixe la rapidité de conversion de gaz en étoiles. Cette échelle de temps est souvent associée au temps dynamique de la galaxie (Kauffmann et al. 1999; Cole et al. 88 Figure 4.5 – Test de résolution pour le refroidissement à zf = 0. Réplique de la Figure 4.4, mais pour un halo de 1012 M⊙ à zf = 0. 2000; Springel et al. 2001; Hatton et al. 2003; Croton et al. 2006), à ne pas confondre avec le temps dynamique du halo de matière sombre tdyn . Cependant, certains modèles définissent τ⋆ à l’aide de lois empiriques provenant de galaxies disques (Monaco et al. 2007; Somerville et al. 2008b) et d’autres utilisent différents paramètres selon que les étoiles se forment dans le disque ou dans le bulbe (Hatton et al. 2003; Monaco et al. 2007). Décrire la formation stellaire à l’aide de l’équation (4.19) est grandement supporté par les observations de Kennicutt (1998), autant pour les galaxies spirales que pour les galaxies en sursaut de formation stellaire. 4.2.1 Évolution du taux de formation stellaire Considérons maintenant que le réservoir de gaz froid Mfroid , obtenu par le refroidissement du halo, soit utilisé pour former des étoiles. De la même manière que Springel et al. (2001) et Kauffmann et al. (1999), nous avons fixé l’échelle de temps τ de la formation stellaire au temps dynamique de chaque galaxie, qui représente un dixième du temps dynamique de leur halo. 89 Figure 4.6 – Schéma du modèle de base sans rétroaction. Les flèches montrent la direction du transfert de masse d’une composante à l’autre. Afin de bien isoler le comportement de la formation stellaire, nous ne considérons pas les effets de l’enrichissement chimique et de la rétroaction. La Figure 4.7 montre l’évolution du TFS d’une galaxie en fonction de sa masse totale. Initialement, il y a approximativement un ordre de grandeur entre les courbes des halos de 108 , 109 et 1010 M⊙ , car le TFS est directement proportionnel à la quantité de gaz froid disponible. Le rapprochement des courbes associées aux galaxies de 1011 et de 1012 M⊙ est causé par la différence du mode de refroidissement initial, au moment de la formation de ces halos. En effet, en passant du refroidissement rapide au refroidissement lent (de 1011 à 1012 M⊙ ), l’apport en gaz froid diminue grandement. Il y a une petite discontinuité dans le maximum du TFS de la galaxie de 1011 M⊙ (courbe rouge pleine) qui est associée à la transition du mode de refroidissement. Le Tableau 4.2 contient la valeur maximale du TFS de toutes les galaxies considérées ainsi que l’âge auquel cela se produit. Pour n’importe quelle galaxie, le TFS est plus intense et plus court à haut décalage vers le rouge. En effet, le TFS est calculé en divisant la quantité de gaz froid par le temps dynamique de la galaxie, qui devient de plus en plus petit lorsque le décalage vers le rouge de formation augmente. De plus, l’apport en gaz froid se fait plus rapidement à haut décalage vers le rouge (voir Figure 4.3). Lorsque le mode de refroidissement est initialement rapide pour les galaxies moins massives que 1012 M⊙ , l’entièreté de la réserve de gaz dans le halo est impliquée dans le calcul du taux de refroidissement (voir équation 4.10). Ainsi, puisque le temps dynamique ne dépend que du décalage vers le rouge de formation et non de la masse Mvir , la forme du profil temporel du TFS est exactement la même peu importe la masse du système. Cela signifie que le TFS atteint sa valeur maximale au même moment (voir Tableau 4.2). Cette valeur maximale est donc également la même pour toutes les galaxies, mais son ordre de grandeur dépend de la masse 90 Figure 4.7 – Évolution du taux de formation stellaire sans rétroaction stellaire. Chaque ligne représente une galaxie de masse totale Mvir différente. Les lignes pleines et pointillées sont associées respectivement à un décalage vers le rouge de formation de 10 et de 0. du halo. La seule exception est le halo de 1011 M⊙ à zf = 10, car le mode de refroidissement passe de rapide à lent avant d’atteindre ce maximum. En résumé, l’évolution du TFS dépend tout simplement de l’évolution du taux de refroidissement, qui lui dépend des caractéristiques du système virialisé. Lorsque le mode de refroidissement est initialement lent, ce qui est le cas des galaxies massives, une fraction seulement du gaz du halo est impliquée dans le calcul du taux de refroidissement. dMfroid Mhalo rref ∝ dt tdyn Rvir (4.20) Le premier élément à regarder dans cette équation est la dépendance en Rvir . Plus un système est massif, plus ce rayon augmente, ce qui rend le refroidissement moins efficace. Il est bien de rappeler à ce point-ci que le rayon de refroidissement rref ne dépend initialement que du 91 Tableau 4.2 – Taux de formation stellaire maximal des galaxies sans rétroaction. La colonne de gauche montre la masse totale du système virialisé. Pour un décalage vers le rouge de formation de 10, la deuxième colonne donne l’âge auquel le TFS atteint son maximum, alors que la troisième colonne donne la valeur du TFS maximal normalisé sur la masse totale Mvir . Les colonnes 4 et 5 montrent les mêmes résultats, mais pour un décalage vers le rouge de formation de 0. Nous ne considérons pas les halos de masse totale inférieure à 109 M⊙ lorsque zf = 0, car leur température Tvir est trop basse pour être incluse dans les tables de refroidissement de Sutherland & Dopita (1993). zf = 10 Mvir [M⊙ ] zf = 0 tmax [ans] TFSmax /Mvir tmax [ans] TFSmax /Mvir 1013 8.09×107 4.57×10−10 4.18×109 5.86×10−12 1012 6.73×107 6.28×10−10 3.10×109 1.11×10−11 1011 3.17×107 1.51×10−9 1.43×109 4.22×10−11 1010 3.87×107 1.54×10−9 1.43×109 4.22×10−11 109 3.87×107 1.54×10−9 108 3.87×107 1.54×10−9 décalage vers le rouge (voir équation 4.15). Ainsi, comme le montre la Figure 4.8, une galaxie de 1012 M⊙ formera des étoiles plus efficacement qu’une galaxie de 1013 M⊙ , tout simplement parce que le halo de la plus petite galaxie se refroidit plus efficacement. Nous définissons ici l’efficacité comme étant le taux de refroidissement, ou le TFS, divisé par la masse totale d’une galaxie. Le TFS atteint son maximum lorsqu’il devient égal au taux de refroidissement. Et plus une galaxie est massive, plus ce moment survient tard dans son évolution (voir Tableau 4.2). La Figure 4.9 présente l’évolution temporelle de la fraction d’étoiles des galaxies, en masse, par rapport à la masse totale de gaz présente initialement dans les systèmes. Comme le montre cette dernière figure, absolument toute la masse baryonique se retrouve sous forme d’étoiles à la fin des simulations. Même si l’efficacité de formation stellaire utilisée n’est que de 10 %, cela ne limite pas pour autant la quantité de gaz qui peut être consommée. Ce comportement n’est certainement pas réaliste. La réserve de gaz dans les galaxies observées aujourd’hui est loin d’être épuisée, sauf dans certains cas pour les galaxies elliptiques. La raison de ce comportement est que l’effet de rétroaction des étoiles sur le TFS n’est pas encore considéré 4 . Mais le but de cette section n’était que d’étudier la relation entre l’approvisionnement en gaz et la formation stellaire. 4. Cet effet est présenté dans la section 5.2 du prochain chapitre. 92 Figure 4.8 – Comparaison entre le taux de formation stellaire et le taux de refroidissement. Les différentes couleurs représentent des galaxies de différentes masses. Les taux de refroidissement et de formation stellaire sont normalisés sur la masse totale des galaxies. 4.3 Enrichissement chimique Dans notre modèle, nous considérons qu’une population stellaire est formée à chaque pas de temps ∆t et possède une masse définie par Mpop (t) = Ṁ⋆ ∆t, (4.21) où ∆t peut également être une fonction du temps si les conditions du système virialisé changent durant l’évolution d’une galaxie. De manière similaire à Côté et al. (2012, 2013), l’évolution de chaque population d’étoiles est traitée avec les modèles stellaires présentés au chapitre 2. Ainsi, à chaque temps t durant une simulation, la masse retournée dans le MIS est calculée en sommant la contribution de chaque population stellaire, et ce, en considérant l’âge, la métallicité et la masse de chacune d’elles (voir section 3.5.1). Tel qu’illustré dans la Figure 4.6, la matière éjectée par les étoiles retourne dans le MIS (la composante de gaz froid), permettant ainsi d’enrichir le gaz galactique et d’augmenter la métallicité des étoiles qui se 93 Figure 4.9 – Évolution de la fraction d’étoiles formées sans rétroaction stellaire. Chaque ligne représente une galaxie de masse totale différente. La fraction d’étoiles correspond à la masse stellaire divisée par la masse totale de gaz initialement dans le système. Les lignes pleines et pointillées sont associées respectivement à un décalage vers le rouge de formation de 10 et de 0. forment ultérieurement. Puisque la métallicité des étoiles évolue constamment, il est donc important d’utiliser des modèles stellaires qui offrent une grande variété de métallicités. L’enrichissement chimique est un élément important à considérer dans un MSA. En effet, puisque le niveau de contribution des vents stellaires dépend de la métallicité, l’enrichissement chimique permet donc de renforcer le processus de rétroaction stellaire avec le temps (voir la prochaine section). De plus, avec la présence des vents galactiques (voir la section 5.1.2), le halo peut changer de métallicité, ce qui affecte les taux de refroidissement et par conséquent, l’évolution de la formation stellaire. 4.4 Énergie mécanique Dans le but d’inclure les effets de la rétroaction stellaire sur l’évolution des galaxies, nous devons en premier lieu connaître la quantité d’énergie mécanique qui est retournée dans le MIS par les étoiles. Pour modéliser cette injection d’énergie stellaire, il est commun dans la littérature d’utiliser des équations basées sur le TFS, puisque le nombre d’étoiles permet d’estimer la quantité totale d’énergie retournée dans le milieu. Par exemple, en supposant qu’une SN II produit en moyenne 1051 ergs d’énergie mécanique (e.g. Dall’Ora et al. 2014; Pejcha & Thompson 2014), et qu’il y a une fraction fSN de ce type d’explosion pour chaque 94 M⊙ d’étoiles formées, l’énergie mécanique totale retournée par les SNe II durant un pas de temps ∆t peut être calculée par Emec = 1051 fSNe Ṁ⋆ ∆t erg. (4.22) Malgré sa popularité dans la littérature, ce type d’équation ne permet pas de suivre l’évolution progressive dans le temps de la contribution des vents stellaires provenant des étoiles massives. Considérer que les SNe II dominent le bilan énergétique est en soit un bonne approximation. En effet, contrairement aux vents stellaires, les SNe II produisent toujours environ la même quantité d’énergie, peu importe la métallicité initiale des étoiles. Pour cette raison, ces SNe ont certainement eu beaucoup plus d’impact sur l’évolution des galaxies que les vents stellaires 5 . Mais comme l’ont démontré Leitherer et al. (1992), la contribution énergétique des vents stellaires peut devenir significative lorsque la métallicité des étoiles avoisine la valeur solaire. Dans le cadre de ce projet de thèse, nous n’avons pas utilisé l’équation (4.22) pour modéliser le dépôt d’énergie mécanique dans le MIS. À l’instar des codes de synthèses LavalSB 6 et Starburst99 (Leitherer et al. 1992, 1999), nous avons plutôt utilisé les modèles stellaires (voir chapitre 2), ce qui permet de considérer les vents stellaires en plus de respecter les délais entre la formation des étoiles et leurs différentes phases évolutives. Pour calculer la luminosité mécanique, qui est le taux de production d’énergie mécanique, des SNe de Types II et Ia, nous avons utilisé une méthode similaire à celle présentée pour le modèle d’enrichissement (voir section 2.5). Le taux d’apparition des SNe est obtenu en combinant le temps de vie des étoiles, qui nous dit quand les étoiles explosent, avec la FMI, qui nous dit combien d’étoiles explosent. Par la suite, au lieu de supposer que chaque SN éjecte une certaine quantité de matière, déterminée par les tables de SN, nous supposons que chaque SN produit 1051 ergs d’énergie mécanique. La luminosité mécanique des vents stellaires en provenance des étoiles massives, quant à elle, se calcule à l’aide de l’équation suivante : 1 2 Lmec,VS = Ṁ v∞ , 2 (4.23) où Ṁ et v∞ représentent respectivement le taux de perte de masse d’une étoile et la vitesse terminale du vent. Puisque nous utilisons des modèles stellaires, nous avons déjà accès à l’évolution dans le temps du taux de perte de masse des étoiles. Pour déterminer l’évolution de la vitesse terminale de chaque étoile, nous avons utilisé la méthode proposée par Leitherer et al. (1992). Ce procédé est utilisé dans le code Starburst99 et se base sur des observations et des 5. Mais en ce qui concerne l’enrichissement chimique, les vents stellaires contribuent significativement la quantité de carbone et d’azote retournée dans le MIS (voir section 3.6.4). 6. Il s’agit d’une version parallèle du code Starburst99 qui est disponible à l’Université Laval. 95 Tableau 4.3 – Conditions pour déterminer la phase évolutive d’une étoile massive. La colonne de gauche montre les différentes phases évolutives considérées dans le calcul de v∞ . Les autres colonnes montrent les conditions nécessaires sur la masse, la luminosité, la température et la fraction d’hydrogène à la surface des étoiles pour être dans une phase en particulier. Si deux phases sont possibles avec un certain jeu de paramètres, la phase sélectionnée est toujours celle qui est classée le plus bas dans ce tableau. Phase Mi [M⊙ ] Ṁ [M⊙ an−1 ] Teff [T⊙ ] X OB — — log Teff > 3.9 — SGR — — log Teff < 3.9 — LBV — log Ṁ > −3.5 3.75 < log Teff < 4.4 — WR Mi > MWR (Z) — log Teff > 4.4 X < 0.4 Tableau 4.4 – Masse initiale minimale pour qu’une étoile ait une phase WolfRayet. La colonne de gauche indique la métallicité initiale alors que celle de droite indique la masse minimale requise pour la phase Wolf-Rayet. Les données proviennent des modèles de Meynet & Maeder (2005). Z MWR [M⊙ ] 0.04 21 0.02 22 0.008 25 0.004 32 relations empiriques, contrairement au taux de perte de masse Ṁ qui est entièrement basé sur des modèles théoriques. À chaque instant durant l’évolution d’une étoile, nous devons premièrement déterminer son stade évolutif afin de lui assigner la bonne vitesse terminale. Les différents stades d’évolution considérés sont les étoiles sur la séquence principale (OB), les étoiles lumineuses bleues variables (LBV), les supergéantes rouges (SGR) et la phase WolfRayet (WR). Nous allons premièrement nous concentrer sur les étoiles ayant une métallicité solaire. Il est possible de déterminer la phase évolutive à partir de la masse initiale Mi , du taux de perte de masse Ṁ , de la température Teff et de la fraction d’hydrogène X à la surface des étoiles (voir Tableau 4.3). Avec les modèles stellaires utilisés, nous avons accès à tous ces paramètres durant l’évolution des étoiles. Lorsqu’une étoile massive est sur sa séquence principale, la vitesse d’éjecta est déterminée par les relations empiriques de Howarth & Prinja (1989), 96 v∞ R⋆ = v 0.58 + 2.04 log , R⊙ (4.24) ′ L⋆ M⊙ 1/2 M⋆ R⊙ km s−1 , 1 − 2.7 × 10−5 v ′ = 3.81 × 105 M⊙ R⋆ L⊙ M⋆ log R⋆ R⊙ 1 = log 2 L⋆ L⊙ − 2 log Teff T⊙ + 7.52. (4.25) (4.26) Dans ces dernières équations, R⋆ , M⋆ et L⋆ représentent le rayon de l’étoile, sa masse corrigée pour la perte de masse ainsi que sa luminosité bolométrique. Ces deux derniers paramètres sont fournis par les modèles stellaires. Si une étoile est une SGR ou une étoile LBV, la vitesse d’éjection v∞ est alors respectivement de 30 ou 200 km s−1 . Dans le cas où une étoile est dans une phase WR, la situation devient un peu plus complexe. Premièrement, la masse initiale minimale, MWR , requise pour qu’une étoile passe par la phase WR, dépend de la métallicité des étoiles (voir Tableau 4.4). En effet, plus la métallicité diminue, plus l’étoile devra être massive afin d’avoir la puissance nécessaire pour éjecter ses couches externes. Figure 4.10 – Comparaison de la luminosité mécanique entre Starburst99 et notre code. Cette figure montre la contribution des vents stellaires d’étoiles massives d’une population de 106 M⊙ ayant une métallicité solaire. La ligne bleue illustre le résultat obtenu en utilisant les mêmes modèles stellaires que Starburst99 (Meynet et al. 1994), alors que la ligne verte montre le résultat avec les modèles de Meynet & Maeder (2003). Une fois que MWR est déterminée, les fractions de surface, en masse, d’hydrogène, d’hélium et des produits CNO sont calculées encore une fois à partir des modèles stellaires. La vitesse 97 Tableau 4.5 – Type de Wolf-Rayet en fonction des conditions de surface. De gauche à droite, les colonnes indiquent le type de Wolf-Rayet, les conditions nécessaires à la surface de l’étoile pour être dans cette phase et la vitesse terminale empirique des éjectas. Les variables X, Y , ZC , ZN et ZO représentent respectivement les fractions de surface, en masse, des atomes H, He, C, N et O. Pour déterminer le bon type, les conditions sont vérifiées à la chaîne de haut en bas jusqu’à ce qu’il y ait une condition de respectée. Type de WR Conditions v∞ [km s−1 ] WNL X > 0.1 1650 WNE (ZC /ZN ) < 10 1900 WC6-9 (ZC /12 + ZO /16) / (Y /4) < 0.5 1800 WC4-5 (ZC /12 + ZO /16) / (Y /4) < 1.0 2800 WO (ZC /12 + ZO /16) / (Y /4) ≥ 1.0 3500 terminale assignée dépend des abondances relatives à la surface, et donc du type d’étoile WR, tel que présenté dans le Tableau 4.5. Toutes les valeurs dérivées jusqu’à maintenant pour la vitesse terminale ne concernent que les étoiles ayant une métallicité solaire. Dans le cas des étoiles WR, les valeurs de v∞ restent les mêmes peu importe la métallicité. Mais pour tous les autres cas, la vitesse terminale dépend de la métallicité (voir l’équation 2 de Leitherer et al. 1992) mais reste proportionnelle à sa valeur solaire, Z v∞ (Z) = v∞ (Z⊙ ) Z⊙ 0.13 . (4.27) Il est bien de rappeler que puisque les paramètres stellaires évoluent dans le temps pour chaque modèle, la vitesse terminale calculée varie elle aussi dans le temps. Cette évolution de vitesse d’éjection dépend également de la masse et de la métallicité de l’étoile en question. Avec tous ces éléments, la luminosité mécanique du vent stellaire de chaque étoile a été sommée, à l’aide de la FMI, afin de générer la luminosité mécanique totale provenant d’une population d’étoiles complète. Nous avons testé notre code en appliquant son algorithme sur les modèles stellaires de Meynet et al. (1994) utilisés par Starburst99 pour vérifier si le résultat était similaire à celui fourni par ce code de synthèse. Comme le montre la Figure 4.10, notre code reproduit très bien les résultats de Starburst99. En effet, l’énergie mécanique totale produite par notre code ne diffère que par 0.3 % par rapport à la valeur prédite par Starburst99. La courbe verte de la Figure 4.10 montre le résultat de notre code lorsque les modèles stellaires de Meynet & Maeder (2003), qui incluent les effets de la rotation stellaire, sont utilisés pour produire la luminosité mécanique. Nous n’utilisons que les modèles stellaires avec rotation du groupe de Genève (voir Tableau 3.1) dans le cadre de ce projet pour générer l’énergie mécanique dans le MSA. La Figure 4.11 montre l’énergie mécanique produite par les vents stellaires et les SNe 98 Figure 4.11 – Énergie mécanique des vents stellaires et des SNe II. Il s’agit de l’énergie cumulée en fonction du temps pour une population de 106 M⊙ . Chaque couleur représente une métallicité différente. Les lignes en traits représentent la contribution des vents stellaires des étoiles massives. Les lignes pleines et en pointillé représentent respectivement les SNe II et les hypernovae. des étoiles massives dans une population d’étoiles. Tel qu’expliqué dans le chapitre 3, nous avons fait appel aux hypernovae afin de mieux reproduire les abondances chimiques observées dans les étoiles de très faible métallicité de la Voie Lactée. L’utilisation des hypernovae (voir section 3.4.2), illustrée par les lignes pointillées dans la Figure 4.11, augmente drastiquement l’énergie mécanique totale injectée par une population d’étoiles massives. Mais, puisque le nombre d’étoiles primordiales est minime comparativement au nombre d’étoiles de population I et II qui se créent dans une galaxie, l’énergie des hypernovae n’a pas beaucoup d’impact sur l’évolution globale des galaxies. En effet, tel qu’expliqué dans les prochains chapitres, même si les hypernovae produisent de grandes perturbations dans les premiers moments de l’évolution d’une galaxie, cette dernière reprend toujours un état d’équilibre et continue d’évoluer par la suite comme si aucune perturbation n’était survenue. La Figure 4.12 montre l’énergie mécanique cumulée par les SNe Ia dans une population d’étoiles. Tel que mentionné dans la section 3, nous supposons qu’il y a environ cinq fois moins de SNe Ia que de SNe II, ce qui explique la différence d’énergie cumulée par ces deux types de SN. Nous ne considérons pas l’énergie mécanique générée par le vent stellaire des étoiles de faible masse, car leur contribution est négligeable (Vazquez & Leitherer 2005; Côté et al. 2012). Malgré que ces étoiles, de par leur nombre, sont celles qui éjectent le plus de gaz dans le MIS, la vitesse de ces éjecta, typiquement de 10 à 20 km s−1 , est tout simplement trop faible 99 Figure 4.12 – Énergie mécanique des SNe Ia. Il s’agit de l’énergie cumulée en fonction du temps pour une population de 106 M⊙ . Chaque couleur représente une métallicité différente. pour contribuer significativement au bilan énergétique d’une population stellaire 7 . Le traitement de l’énergie mécanique dans notre MSA se fait exactement de la même manière que pour le processus d’enrichissement. Pour connaître la luminosité mécanique Lmec produite par toutes les étoiles d’une galaxie à un temps t, il suffit de sommer la contribution de chaque population stellaire, Lmec (t) = X LkVS (Zk , Mk , τk ) + LkSNeII (Zk , Mk , τk ) + LkSNeIa (Zk , Mk , τk ), (4.28) k où Zk , Mk , et τk sont respectivement la métallicité, la masse et l’âge de la population d’étoiles k. Toutes les populations d’étoiles qui se sont formées à chaque ∆t depuis la formation d’une galaxie jusqu’au temps t sont considérées dans cette somme. L’équation (4.28) représente la base de la rétroaction stellaire dans nos MSAs. Il est important de noter que cette rétroaction n’est pas incluse dans la Figure 4.6. Dans ce chapitre, nous avons décrit et analysé les notions de base de la conception d’un MSA. Mis à part le traitement de l’enrichissement chimique et de la luminosité mécanique, cette base est utilisée dans tous les MSAs galactiques présentés dans le Tableau 1.2 de l’introduction. Pour le reste de ce document, nous utiliserons toujours le contenu de ce chapitre pour traiter le refroidissement, la formation stellaire, l’enrichissement chimique et la production d’énergie mécanique dans nos modèles. 2 7. Il est bien de rappeler que la luminosité mécanique des vents stellaires est proportionnelle à v∞ . 100 Chapitre 5 Modèle galactique semi-ouvert à simple rétroaction L’histoire de la formation stellaire dans les galaxies isolées est déterminée par l’équilibre entre l’approvisionnement en gaz et les processus de rétroaction. Puisque les MSAs, y compris le nôtre, ne considèrent pas en détail ce qui se passe à l’intérieur des galaxies, la rétroaction s’en tient souvent à la production de vents galactiques pour contrôler la quantité de gaz disponible pour la formation stellaire. Pour les galaxies massives, la radiation des NAGs peut également être utilisée pour limiter le refroidissement du halo. Mais puisque ce projet de doctorat se concentre sur les galaxies de faible masse et de masse intermédiaire, nous ne considérons pas la présence d’un NAG dans nos travaux. Ce chapitre présente un modèle de galaxie semi-ouvert. Ainsi, bien qu’une galaxie puisse éjecter de la masse dans le MIG par l’entremise des vents galactiques, chaque galaxie évolue de manière complètement isolée de son environnement. Il n’y a ni accrétion du MIG, ni interaction avec d’autres galaxies. Cela ne représente certainement pas l’image complète de l’évolution des galaxies, mais cela permet d’étudier l’interaction entre la formation stellaire et la rétroaction. Le but est d’avancer étape par étape afin de bien comprendre l’impact de chaque mécanisme physique introduit dans le modèle. Comme tous les MSAs qui se retrouvent dans la littérature, ce modèle utilise l’énergie mécanique produite par les étoiles comme source de rétroaction stellaire. Ce modèle comprend quatre composantes, soit le MIG, le gaz dans le halo, le gaz froid de la galaxie et les étoiles (Figure 5.1). Nous avons vu dans le chapitre précédent comment le gaz se transfère du halo jusque dans les étoiles en passant par le gaz froid, et comment la matière éjectée par les étoiles retourne dans le MIS afin de produire le cycle d’enrichissement des étoiles. Nous allons maintenant décrire comment modéliser un vent galactique dans le but de réguler et de réduire le TFS des galaxies. 101 Figure 5.1 – Schéma du modèle semi-ouvert à simple rétroaction. Les flèches montrent la direction du transfert de masse d’une composante à l’autre. 5.1 Rétroaction stellaire Tel que mentionné plus haut, la rétroaction stellaire a pour but de limiter la quantité de gaz froid afin de réduire le TFS des galaxies. Pour ce faire, nous avons fait appel au concept de vent galactique. Nous faisons référence au vent galactique lorsqu’une partie du gaz froid d’une galaxie est éjectée dans le halo, et au vent galactique à grande échelle lorsqu’une partie du gaz du halo est éjectée dans le MIG (Figure 5.1). Il y a une certaine nuance entre ces deux types de vent. Un vent galactique, en réduisant la quantité de gaz froid, va immédiatement réduire le TFS d’une galaxie. Le gaz éjecté dans le halo pourra toutefois être réinséré dans la galaxie via le refroidissement, ce qui fait allusion à une fontaine galactique. Mais lorsqu’il y a un vent galactique à grande échelle, la masse éjectée quitte littéralement le puits de potentiel du halo de matière sombre, ce qui réduit de manière permanente la quantité de gaz total dans le système. Cette matière peut éventuellement retomber à l’intérieur du halo de matière sombre (voir section 1.4.4), mais nous préférons laisser la simulation hydrodynamique, dans laquelle le MSA sera plongé, traiter ce type de problème. En effet, pour que le couplage entre une simulation cosmologique et notre MSA soit efficace, chacun doit traiter de ce qui est à son échelle. 5.1.1 Vent galactique à grande échelle Nous commençons par décrire la production d’un vent galactique à grande échelle. Comme dans Côté et al. (2012), nous utilisons le facteur fw dérivé par Scannapieco et al. (2002) pour déterminer la fraction d’énergie mécanique qui est utilisée pour éjecter le gaz hors du potentiel gravitationnel d’une galaxie, 102 fw (Mvir ) = 0.3δB (Mvir ) , δB (Mvir = 2 × 108 M⊙ ) 1.0 δB (Mvir ) = 1.0 − 0.165ln Nt−1 [1.0 − 0.165ln(100)]100Nt−1 −7 Nt = 1.7 × 10 Ωb,0 Ω0 Mvir . (5.1) Nt < 1 1 ≤ Nt ≤ 100 (5.2) 100 < Nt , (5.3) Ce facteur est plus petit que 1, car une fraction significative de l’énergie mécanique injectée par les étoiles est toujours perdue en radiation. La dépendance en Mvir provient des travaux de Ferrara et al. (2000) qui ont étudié numériquement la contribution de galaxies de différentes masses sur l’enrichissement du MIG. La relation a par la suite été normalisée en utilisant les simulations hydrodynamiques de Mori et al. (2002). Ces derniers ont montré que pour une galaxie plongée dans un système ayant une masse totale de 2 × 108 M⊙ , seulement 30 % de l’énergie mécanique des étoiles était utilisée pour éjecter de la matière à l’extérieur du halo de matière sombre. Les travaux sur lesquels se base la construction de fw ont considéré un nombre fixe de SNe, ce qui revient à étudier un seul sursaut de formation stellaire 1 . Le but de ces simulations n’était donc pas de reproduire l’évolution d’une galaxie, mais d’étudier la réaction du halo face à une injection d’énergie mécanique. La différence ici est que nous utilisons le facteur fw dans le cadre d’un modèle où le TFS se construit et se régule automatiquement. Habituellement, pour calculer la masse éjectée par un vent galactique, il est commun d’utiliser le paramètre d’entrainement η défini comme suit : η≡ ṀVG . Ṁ⋆ (5.4) Selon Murray et al. (2005), pour un vent propulsé par de l’énergie mécanique, nous avons η ∝ σ −2 , (5.5) où σ représente la vitesse de dispersion associée à la galaxie. Ces deux dernières équations sont habituellement réservées à la production d’un vent à l’échelle galactique. Mais dans notre modèle, nous utilisons ces relations pour déterminer, non pas la masse MVG éjectée d’une galaxie, mais la masse Mout éjectée d’un halo. Nous supposons que le processus d’injection d’énergie dans le halo pour produire un vent galactique à grande échelle est similaire à l’injection d’énergie dans le MIS pour produire un simple vent galactique. Nous avons donc utilisé 1. D’ailleurs, le paramètre Nt a initialement été défini par Ferrara et al. (2000) pour représenter le nombre de SNe dans un sursaut de formation stellaire. Ce paramètre a ensuite été renormalisé par Scannapieco et al. (2002) dans le but de reproduire les résultats de Mori et al. (2002). 103 le facteur fw pour amener ces deux dernières équations à l’échelle du halo. De plus, puisque nous utilisons les modèles stellaires pour calculer l’énergie mécanique produite par les étoiles, nous pouvons remplacer le taux de formation stellaire Ṁ⋆ par la luminosité mécanique Lmec , en étant conscient qu’il doit y avoir un facteur de conversion entre ces deux variables. Ainsi, le taux de perte de masse d’un halo peut s’écrire de la forme suivante, Ṁout = C fw Lmec , σ2 (5.6) où C correspond à une constante de normalisation qui fixe la puissance du vent. Nous avons utilisé la relation dérivée par Murray et al. (2005) pour décrire la vitesse de dispersion σ en termes de la masse totale d’un système et du décalage vers le rouge (voir également Oppenheimer & Davé 2008), H(z) Mvir h σ = 200 12 5 × 10 M⊙ H0 1/3 km s−1 , 1/2 H(z) = H0 (1 − Ω0 − λ0 )(1 + z)2 + Ω0 (1 + z)3 + λ0 . (5.7) (5.8) L’équation (5.6) nous donne les bonnes dépendances pour l’éjection de gaz dans le MIG. Pour déterminer la constante de normalisation C, nous avons utilisé les simulations hydrodynamiques de Mori et al. (2002), qui sont également celles qui ont été utilisées pour normaliser le facteur fw . Ces simulations suivent l’évolution d’un vent galactique à grande échelle d’une galaxie qui se forme à z = 9 avec une masse totale Mvir = 2 × 108 M⊙ . Le dépôt d’énergie est concentré au début de la simulation et représente l’équivalent d’une population d’étoiles de 1.5 × 106 M⊙ qui se forme avec une FMI de Salpeter. Seules les SNe II sont considérées dans cette simulation. Avec des masses limites inférieure et supérieure de 0.1 et 120 M⊙ , qui sont celles utilisées par Mori et al. (2002), la FMI de Salpeter produit une SN par 134 M⊙ d’étoiles formées. En supposant qu’une SN dépose 1051 erg d’énergie mécanique, les étoiles ont donc injecté au total 1.12 × 1055 erg d’énergie mécanique dans leur environnement. Avec cette configuration, entre 50 % et 85 % de la réserve de gaz a été éjectée dans le MIG, ce qui fait une moyenne d’environ 68 %. En sachant qu’il y avait 1.37 × 107 M⊙ de gaz dans ces simulations hydrodynamiques, notre modèle doit donc éjecter 9.32 × 106 M⊙ de matériel avec l’équation (5.6). En intégrant cette dernière équation dans le temps avec les conditions des simulations de Mori et al. (2002), nous avons 9.32 × 106 M⊙ C= 1.12 × 1055 erg σ2 fw . (5.9) En utilisant Mvir = 2×108 M⊙ pour les calculs de fw et σ, nous obtenons que C = 6.67×10−46 M⊙ s2 km−2 erg−1 . Nous avons choisi les simulations de Mori et al. (2002) pour normaliser la 104 puissance de nos vents, car elles se prêtent très bien à une comparaison analytique. En effet, de par leur configuration initiale simplifiée, il est facile de reproduire les mêmes conditions avec notre modèle. La plupart des MSA font appel à un paramètre libre pour déterminer la quantité de gaz éjecté dans le MIG. Mais nous avons choisi d’utiliser le facteur fw , car il nous permet de rendre l’efficacité d’un vent galactique à grande échelle dépendant de la masse totale du système et du décalage vers le rouge. 5.1.2 Vent galactique L’idée de la propulsion d’un vent galactique à grande échelle par l’énergie mécanique est basée sur le principe d’excès d’énergie. Lorsque les étoiles transfèrent trop d’énergie dans le halo, ce dernier éjectera de la masse afin de se libérer de l’excès d’énergie thermique. Nous allons utiliser ce principe pour calculer la masse éjectée par un vent galactique, c’est-à-dire la masse transférée du gaz froid au halo. Comme il est coutume de voir dans la littérature, nous allons définir fth comme étant la fraction d’énergie mécanique produite par les étoiles qui est utilisée pour éjecter le gaz froid d’une galaxie. Ce processus est souvent appelé chauffage dans la littérature, car en réalité, une partie du gaz froid se fait chauffer par les ondes de chocs produites par les vents stellaires et les SNe avant de se faire éjecter. Mais, puisque ce gaz chauffé est éjecté dans le halo, nous appelons ce processus vent galactique. Dans un sens, le facteur fth a une utilité similaire au facteur fw . Mais si le facteur fw nous donne la fraction d’énergie mécanique qui est utilisée au final pour produire le vent galactique à grande échelle, le facteur fth ne nous renseigne que sur l’énergie perdue, par refroidissement radiatif, durant la production du vent à l’échelle de la galaxie. Donc, par définition, fth > fw . Il est important d’introduire le facteur fth afin de pouvoir calculer la masse transférée de la galaxie vers le halo. Considérons que durant un pas de temps ∆t, nous avons une quantité d’énergie mécanique ∆E = Lmec ∆t produite par les étoiles. Nous avons donc que l’énergie initiale de tout le processus d’éjection est donnée par Ei = fth ∆E. (5.10) Par la suite, une quantité de gaz froid MVG sera éjecté de la galaxie, ce qui est la quantité que nous voulons calculer. Selon Murray et al. (2005), un vent galactique propulsé par l’énergie mécanique peut être décrit de la manière suivante, 1 2 , Ei = MVG VVG 2 (5.11) où VVG est la vitesse terminale du gaz éjecté. Nous supposons ensuite que ce vent se mélange et se thermalise avec le gaz du halo, ce qui signifie que l’énergie mécanique se convertit en énergie thermique. Cela implique que la vitesse VVG ne représente plus la vitesse de déplacement 105 de la masse MVG , mais représente désormais le mouvement interne de ce gaz. Mais avant de recevoir cette injection d’énergie, rappelons que le halo possède initialement une température Tvir et une énergie interne décrite par 1 2 . Ehalo = Mhalo Vvir 2 (5.12) Si la masse éjectée de la galaxie est parfaitement ajustée aux conditions du halo, c’est-à-dire si sa température est déjà égale à Tvir , il n’y aura pas de vent galactique à grande échelle, puisqu’il n’y aura pas d’excès d’énergie. Dans ce cas, VVG = Vvir et la masse éjectée se calcule directement à partir de l’équation suivante, 1 2 Ei = fth ∆E = MVG Vvir 2 −→ MVG = 2fth ∆E . 2 Vvir (5.13) Cependant, si la vitesse du gaz éjecté excède Vvir , le système aura un excès d’énergie thermique qui l’empêchera de conserver son gaz à l’intérieur du rayon Rvir . Le halo peut retrouver sa configuration stable par deux façons. Premièrement, le gaz peut se refroidir et retrouver rapidement la température Tvir , ce qui implique que le gaz reste confiné à l’intérieur du Rvir . Deuxièmement, le gaz peut prendre de l’expansion pour se libérer de l’excès de pression, ce qui produira un vent galactique à grande échelle, puisqu’une partie du gaz se retrouvera à l’extérieur du système virialisé. Dans notre cas, nous considérons qu’un vent galactique à grande échelle est toujours généré. Nous laissons cependant le facteur fw déterminer l’importance de ce vent. Dans ce cas, nous avons l’énergie injectée dans le halo (équation 5.11) qui se sépare en deux parties, 1 restant 2 Vvir + fw ∆E. fth ∆E = MVG 2 (5.14) Le but de cette opération est de calculer la quantité MVG . Le premier terme de cette dernière équation représente l’énergie thermique de la masse qui a été éjectée dans le halo, mais qui ne s’est pas fait éjecter dans le MIG. Cela signifie que cette masse possède désormais les conditions du système virialisé. Le second terme correspond tout simplement à l’excès d’énergie et est défini par le facteur fw . En fixant la valeur fth , ce qui en fait un paramètre libre, il devient donc possible de calculer MVG en supposant que cette masse se distribue uniformément dans le halo. Ceci revient à considérer l’approximation du mélange instantané lors du transfert de gaz d’une composante à l’autre. Comme tout autre MSA, notre modèle ne permet pas de suivre le déplacement de la matière à l’intérieur d’un réservoir de gaz, ce qui incite à utiliser cette approximation. Mais en réalité, le gaz devrait prendre un certain temps avant de se mélanger et se disperser complètement dans une galaxie (e.g. Roy & Kunth 1995). Des approximations de ce genre sont souvent utilisées dans les MSAs, car elles permettent de dériver des équations analytiques qui sont simples d’utilisation, ce qui est un critère important pour tout MSA. 106 Ainsi, avec l’approximation du mélange instantané, nous pouvons donc définir la masse éjectée restante dans le halo de la manière suivante, restant MVG = MVG − MVG Mout , Mhalo + MVG (5.15) où la masse Mout éjectée dans le MIG est calculée à l’aide de l’équation (5.6). En substituant cette dernière relation dans l’équation (5.14), nous pouvons écrire une équation quadratique et résoudre pour isoler MVG , 2 2 2 Vvir MVG + Vvir (Mhalo − Mout ) − 2∆E (fth − fw ) MVG − 2∆EMhalo (fth − fw ) = 0. (5.16) Dans le cas limite où il n’y a pas de vent galactique à grande échelle, nous avons que Mout = 0 et fw = 0, ce qui réduit l’équation (5.16) à l’équation (5.13). La méthode décrite dans cette section prend avantage du fait que nous connaissons la fin du processus d’éjection, c’est-à-dire que nous connaissons déjà, dès le départ, la fraction fw d’énergie qui sera utilisée pour produire le vent galactique à grande échelle. 5.1.3 Taux d’éjection À chaque pas de temps ∆t 2 , lorsque la masse MVG éjectée par un vent galactique est calculée, nous pouvons soit transférer le gaz dans le halo d’un seul coup, ou le transférer progressivement à l’aide de l’équation suivante (voir Nagashima & Yoshii 2004) : ṀVG = MVG , τVG (5.17) où τVG est l’échelle de temps caractéristique associé au transfert de gaz. Dans notre modèle, ce temps caractéristique est un paramètre libre qui dépend du temps dynamique tdyn du halo de matière sombre. Nous discuterons de l’utilité de ce paramètre à la section 5.5. 5.2 Régulation du taux de formation stellaire Maintenant que nous possédons une prescription pour générer des vents galactiques à partir de l’énergie mécanique des étoiles, nous pouvons étudier les effets de la rétroaction stellaire sur l’évolution du TFS des galaxies. Pour cette section, le facteur fth a été fixé à 0.35, tout comme dans le MSA galactique de Croton et al. (2006). L’efficacité de formation stellaire f⋆ a été fixée à 0.1, et nous considérons que le vent galactique transfère complètement le gaz éjecté dans le halo durant un pas de temps ∆t. Pour l’instant, nous n’utilisons donc pas l’équation (5.17). La Figure 5.2 montre que la présence des vents galactiques modifie énormément le TFS 2. La durée d’un pas de temps est d’environ de 105 années lorsque z = 10 et de 6 × 106 années lorsque z = 0. 107 des galaxies. Ces vents retournent constamment une partie du MIS dans le halo, ce qui freine considérablement le taux de consommation en ce qui concerne la formation d’étoiles. En effet, il y a désormais une certaine réserve de gaz inutilisé dans nos galaxies après 10 milliards d’années d’évolution, ce qui est différent du cas sans rétroaction (voir Figure 4.9). Pour une petite galaxie à haut décalage vers le rouge (panneau du haut de la Figure 5.2), nous remarquons que le TFS devient épisodique en plus de s’étendre davantage dans le temps. Ce comportement cyclique, qui est attendu pour les galaxies naines (e.g. Weisz et al. 2012), débute par le refroidissement massif du halo, ce qui permet la formation d’étoiles. Ensuite, lorsque les premières SNe II surviennent, tout le gaz froid est éjecté dans le halo. Cela engendre un arrêt de la formation stellaire, car il n’y a désormais plus de matière première pour former des étoiles. Durant la période active des SNe, leur énergie mécanique empêche d’avoir du refroidissement, et donc de la formation stellaire. Lorsque cette période active est terminée, il n’y a plus d’étoiles jeunes pour prendre le relais, et le gaz peut enfin se refroidir de nouveau pour approvisionner la galaxie afin de former de nouvelles étoiles, ce qui recommence le cycle (voir Pelupessy et al. 2004). Ce processus d’éjection cyclique semble concorder entre autres avec les observations de la galaxie naine Phoenix qui possède un nuage de gaz lié gravitationnellement qui se situe à l’extérieur de la galaxie elle-même, et qui aurait été éjecté par un récent sursaut de formation stellaire (Young et al. 2007). Le panneau du bas de la Figure 5.2 montre le TFS d’une galaxie de 1013 M⊙ formée à un décalage vers le rouge de zéro. Ceci n’est certainement pas réaliste, car aucune galaxie aussi massive se forme aujourd’hui avec une composition primordiale. Mais le but ici est de voir comment le système se comporte devant des conditions initiales différentes. Comme le montre cette dernière figure, le TFS de cette galaxie est aussi grandement affecté par la rétroaction stellaire. Mais contrairement au TFS de la galaxie de 109 M⊙ , son comportement n’est pas épisodique. Cette différence est en premier lieu causée par le fait qu’une galaxie formée à haut décalage vers le rouge possède une forme plus compacte qui favorise grandement le refroidissement. Ainsi, les étoiles sont formées rapidement en sursaut, ce qui engendre un retour d’énergie mécanique rapide et puissant. À l’inverse, pour une galaxie formée à faible décalage vers le rouge, le retour d’énergie mécanique se fait plus tranquillement, ce qui laisse le temps au système de s’adapter à sa nouvelle condition. Le deuxième élément important à considérer est la masse de la galaxie. Un système ayant une masse totale de 109 M⊙ possède initialement un mode de refroidissement rapide alors qu’un système de 1013 M⊙ possède un mode de refroidissement lent. En résumé, une galaxie peut avoir un TFS stable dans le temps, mais il faut que le taux d’approvisionnement en gaz soit modéré afin que le système puisse établir un équilibre entre le refroidissement et la production de vents galactiques. Il est bien de rappeler que nous n’avons pas codé cet état d’équilibre, nous n’avons codé que les mécanismes d’apport et d’éjection de gaz. Mais la compétition entre ces deux processus opposés a rapidement convergé vers un état 108 Figure 5.2 – Taux de formation stellaire avec rétroaction simple. Le panneau du haut (bas) montre l’évolution dans le temps du TFS d’une galaxie de 109 M⊙ (1013 M⊙ ) qui se forme à un décalage vers le rouge de 10 (0). Les courbes en noir représentent la situation sans rétroaction stellaire alors que celles en rouge montrent l’impact des vents galactiques. stable. Nous allons revenir sur la stabilité des TFS épisodiques dans la prochaine section. 5.3 Taux de formation stellaire épisodique Contrairement à un TFS stable et constant, un TFS épisodique possède beaucoup plus d’éléments à analyser. Cette section approfondit le fonctionnement et l’évolution d’un tel comportement. Les oscillations sont maintenues par les mécanismes d’approvisionnement et d’éjection de gaz. La force d’éjection dépend de la quantité d’étoiles massives qui se forment à partir du gaz froid. La force d’approvisionnement quant à elle, dépend de la quantité de gaz dans le halo (voir équations 4.7 et 4.10). Théoriquement, en perdant du gaz via la formation stellaire et le vent galactique à grande échelle, l’amplitude des oscillations devrait diminuer avec le temps. Mais comme nous le verrons dans les prochains paragraphes, l’amortissement 109 des oscillations, surtout dans le cas de la luminosité mécanique, est principalement causé par la présence des vents stellaires avant l’apparition des SNe II. Pour l’instant, afin de simplifier l’analyse, nous n’incluons pas l’énergie mécanique provenant des SNe Ia, nous y reviendrons plus bas. Le panneau du haut de la Figure 5.3 montre l’évolution temporelle de la luminosité mécanique des étoiles à l’intérieur des galaxies naines formées à z = 9. Le panneau du bas montre que plus une galaxie éjecte de la masse dans le MIG (lignes en trait), moins il y a d’étoiles de formées (lignes pleines). La variation de la luminosité est le résultat d’une oscillation dans la localisation du gaz, c’est-à-dire d’un mouvement de va-et-vient entre le halo et la galaxie. Le gaz du halo se refroidit pour former des étoiles, mais se fait éjecter par la suite par la luminosité mécanique des étoiles. Pour chaque galaxie présente dans la Figure 5.3, le processus d’éjection est suffisamment efficace pour arrêter momentanément la formation stellaire. Cela concorde avec l’étude de Quillen & Bland-Hawthorn (2008) qui a d’ailleurs démontré qu’une rétroaction stellaire trop puissante pouvait mener à un comportement oscillatoire. 5.3.1 Fonctionnement d’une période d’oscillation Les panneaux du haut et du milieu de la Figure 5.4 montrent le TFS et la luminosité mécanique provenant de quelques populations d’étoiles de la galaxie de 1010 M⊙ . Chaque sursaut de formation stellaire crée une série de populations d’étoiles. À l’arrivée des premières SNe II, la formation stellaire ralentit et finit par s’arrêter. Par la suite, la phase active des SNe II va empêcher le refroidissement du gaz dans le halo. Puisque les SNe II d’une population ont une durée de vie de quelques dizaines de millions d’années, la phase active va éventuellement se terminer. Durant l’explosion des dernières SNe, la luminosité chute brusquement et le taux d’éjection devient inférieur au taux d’approvisionnement, ce qui permet de former de nouvelles étoiles. Le panneau du bas de la Figure 5.4 illustre plus en détail la dynamique entre le refroidissement et le vent galactique. Le taux d’éjection (ligne rouge) chute lorsqu’il n’y a plus assez d’étoiles jeunes pour contrebalancer le taux de refroidissement (ligne bleue). C’est précisément à ce moment que la formation stellaire redevient active, car il y a désormais davantage d’approvisionnement que d’éjection. Après quelques millions d’années, les nouvelles SNe redonnent de la puissance au vent galactique. Durant cette remontée, le taux d’éjection croise le taux de refroidissement. Ce croisement engendre le maximum dans le TFS, car il y a par la suite plus d’éjection que d’approvisionnement. Lorsque le taux d’éjection est plus petit que le taux de refroidissement, le gaz impliqué dans le cycle périodique coule vers la galaxie. Cette perte de gaz dans le halo réduit le taux de refroidissement (voir équation 4.10). Mais lorsque le taux d’éjection dépasse le taux de refroidissement, le gaz retourne dans le halo, lui redonnant ainsi son taux de refroidissement initial. Lorsque l’entièreté du gaz froid a été retourné dans le halo, le taux d’éjection ne peut plus excéder le taux de refroidissement, car il n’y a plus rien a éjecter. Durant cette période, le 110 Figure 5.3 – Luminosité mécanique, masse stellaire et masse éjectée des galaxies formées à z = 9. Chaque couleur représente une galaxie avec une masse totale différente. Le panneau du haut montre la luminosité mécanique provenant de toutes les populations stellaires, alors que le panneau du bas montre la masse d’étoiles formées (lignes pleines) et la masse éjectée dans le MIG (lignes en trait) normalisées sur la masse initiale de baryon dans la galaxie. taux d’éjection devient donc égal au taux de refroidissement, ce qui empêche complètement la formation de nouvelles étoiles. Il est important de comprendre qu’en réalité, le taux d’éjection excède le taux de refroidissement durant cette phase active, car la puissance du vent galactique est proportionnelle à la production d’énergie mécanique (voir section 5.1.2). Mais le code limite la masse éjectée à la quantité de gaz disponible dans la galaxie. 5.3.2 Amortissement de l’amplitude Comme le montre la Figure 5.3, l’amplitude moyenne des oscillations dans la luminosité mécanique tend à diminuer avec le temps. Ce comportement s’observe également dans le taux 111 Figure 5.4 – Relation entre la luminosité mécanique et le taux de formation stellaire. Il s’agit de quelques populations stellaires provenant d’une galaxie de 1010 M⊙ formée à z = 9. Le panneau du haut représente la luminosité mécanique provenant des étoiles alors que le panneau du milieu représente le TFS. Le panneau du bas illustre à la fois l’évolution du taux d’approvisionnement (ligne bleue) et du taux d’éjection (ligne rouge) en fonction du temps. d’éjection du vent galactique (voir ligne rouge du panneau du bas de la Figure 5.4). Malgré leur faible contribution au budget énergétique, les vents stellaires des étoiles massives sont responsables de ce phénomène. Tel qu’illustré dans la Figure 5.5, chaque nouveau sursaut de formation stellaire laisse toujours de moins en moins de temps à la luminosité stellaire de plonger vers un minimum local. L’échelle de temps de ce type d’amortissement, qui est de quelques millions d’années, est de loin beaucoup plus petite que celle de l’amortissement causé par la perte de gaz, qui est de quelques milliards d’années. Dans ce sens, les vents stellaires ont donc beaucoup plus d’impact sur l’amplitude des oscillations que la formation stellaire ou 112 Figure 5.5 – Effet des vents stellaires sur l’amplitude des oscillations de la luminosité mécanique. Il s’agit d’une portion de l’évolution d’une galaxie de 1010 M⊙ formée à z = 9. les vents galactiques à grande échelle. La galaxie de 108 M⊙ fait toutefois exception à la règle, puisque la majorité de son gaz est éjecté dans le MIG à l’intérieur de quelques centaines de millions d’années (voir le panneau du bas de la Figure 5.3). La Figure 5.6 montre comment les vents stellaires perturbent la dynamique entre le refroidissement du gaz du halo et le vent galactique. Lorsque la luminosité mécanique des premières étoiles commence à chuter, la formation stellaire reprend, mais cette fois-ci dans un gaz enrichi en métaux. Ainsi, pour le deuxième sursaut, les vents stellaires feront apparition avant les SNe et les aideront à retourner le gaz froid dans le halo. Cette énergie additionnelle diminue le temps nécessaire pour éjecter complètement le gaz du MIS. Résultat, la durée du deuxième sursaut sera plus petite relativement au cas sans vents stellaires. Cela explique que la luminosité associée au deuxième sursaut de formation stellaire chute plus tôt lorsqu’il y a des vents stellaires (voir Figure 5.6). Un autre point important est que les vents stellaires deviennent de plus en plus puissants avec le temps, car la métallicité du gaz augmente continuellement avec le temps. La Figure 5.7 montre l’évolution de la métallicité des halos en fonction du temps pour les galaxies considérées dans la Figure 5.3. La métallicité du halo est plus stable que celle du gaz froid, car ce dernier réservoir se vide et se remplit plusieurs fois durant l’évolution de nos galaxies. Le halo de la galaxie de 108 M⊙ possède une métallicité très élevée comparativement aux galaxies plus massives. En effet, puisque cette galaxie éjecte pratiquement tout son gaz dans le MIG, la métallicité du halo est essentiellement celle des éjecta stellaires, qui sont particulièrement riches en métaux. Dans le cas des autres galaxies, les métaux sont dilués dans un réservoir de gaz de composition primordiale. Donc, en résumé, la métallicité d’un halo est 113 Figure 5.6 – Effet des vents stellaires sur le refroidissement et le vent galactique. Il s’agit du taux de refroidissement (lignes pointillées) et du taux d’éjection par le vent galactique (lignes pleines) en fonction du temps pour une galaxie de 1010 M⊙ formée à z = 9. Les lignes rouges montrent les résultats lorsque l’énergie mécanique des vents stellaires est considérée. Pour les lignes noires, seules les SNe II contribuent aux oscillations. à son minimum lorsqu’il n’y a aucun vent galactique à grande échelle. Mais la valeur de cette métallicité minimale dépend de la quantité de métaux produite par les étoiles. Mais le point important à retenir de la Figure 5.6 est que d’un sursaut à l’autre, les vents stellaires renverseront toujours de plus en plus rapidement la chute du taux d’éjection, diminuant ainsi l’amplitude des oscillations avec le temps. Ce phénomène d’amortissement est en lien direct avec les travaux de Quillen & Bland-Hawthorn (2008) qui ont montré que la présence d’un certain délai de temps entre la formation d’un groupe d’étoiles et l’apparition de la rétroaction menait à un TFS épisodique (voir également Struck-Marcell & Scalo 1987). Dans notre cas, il y a toujours un délai d’environ 30 millions d’années entre la formation d’une population stellaire et l’arrivée des SNe II, qui dominent le budget énergétique. Donc si un groupe d’étoiles se forment et possèdent théoriquement suffisamment d’énergie mécanique potentielle pour équilibrer le TFS, plusieurs autres étoiles se formeront avant que les premières SNe II puissent avoir la chance d’injecter leur énergie mécanique. Dans ce cas, la galaxie produira une surdose d’énergie mécanique par rapport à la quantité nécessaire pour équilibrer le système. Bien entendu, la quantité d’énergie produite en surdose dépend de ce délai. Ainsi, en réduisant le délai entre les sursauts de formation stellaire, ce qui est le rôle des vents stellaires, les oscillations ont tendance à s’adoucir. 114 Figure 5.7 – Évolution de la métallicité du gaz dans le halo des galaxies en fonction de leur âge et de leur masse. Les différentes couleurs représentent des galaxies ayant des masses totales différentes. Chaque galaxie s’est formée à z = 9. 5.3.3 Battement principal Outre l’amortissement de l’oscillation de la luminosité des galaxies, un mouvement de battement est également perceptible dans la Figure 5.3, particulièrement pour la galaxie de 1010 M⊙ . La Figure 5.8 présente un gros plan du premier minimum de l’amplitude du battement principal dans cette dernière galaxie. Un premier élément à regarder sur cette figure est la luminosité mécanique (panneau du milieu). Nous remarquons que les minimums locaux deviennent soudainement de moins en moins creux à partir de log(t) = 9.18. Ceci est le résultat de deux effets. Premièrement, tel qu’expliqué dans la section précédente, la puissance des vents stellaires augmente avec le temps et réduit la durée de la chute du taux d’éjection. Deuxièmement, le TFS moyen des sursauts diminue avec le temps (panneau du bas), ce qui réduit le délai de temps avant que le taux d’éjection devienne inférieur au taux de refroidissement (cela correspond au déclenchement d’un nouveau sursaut, voir Figure 5.4). L’amplitude minimale de la luminosité est très sensible aux décalages temporels. En effet, puisque la pente de la dernière phase de luminosité d’un sursaut est très abrupte, un petit décalage de temps peut engendrer une grande différence de luminosité. Ainsi, comme le montre la Figure 5.8, lorsque la masse des étoiles d’un sursaut est trop faible, les vents stellaires renversent rapidement la chute du taux d’éjection (panneau du haut), et les profils temporels de luminosité des sursauts commencent à se fusionner (panneau du milieu). Cette fusion partielle accélère la chute du TFS moyen des sursauts, car le taux de refroidissement devient moins efficace en raison de la présence plus constante de la luminosité stellaire. Il est bien de comprendre que le manque de refroidissement n’est pas causé ici par une luminosité plus intense, mais par 115 Figure 5.8 – Phénomène de battement dans l’évolution d’une galaxie. Les panneaux du haut, milieu et bas représentent respectivement l’évolution dans le temps de la dynamique vent galactique / refroidissement, de la luminosité mécanique des étoiles et du taux de formation stellaire. Il s’agit du premier battement simulé dans une galaxie de 1010 M⊙ à z = 10. le fait qu’il y a désormais moins de temps mort pour laisser le gaz se refroidir efficacement. À titre informatif, en fusionnant davantage les sursauts de formation stellaire dans le temps, nous nous retrouverions avec un TFS constant et stable. L’accélération de la chute du TFS moyen va éventuellement faire rebondir le système, car il ne s’agit pas d’un état stable. Bien que le système semble vouloir tendre vers un équilibre, la convergence durant le premier minimum du battement se fait trop rapidement. En effet, si l’on extrapole la tendance des creux de la luminosité (Figure 5.8), cette dernière devrait devenir constante en moins de 200 millions d’années après le début de la chute accélérée du TFS. Cela couperait complètement le TFS pendant un certain temps. Mais éventuellement, les étoiles s’éteindraient et le refroidissement, ainsi que le TFS, reviendraient en force. Dans le cas de la Figure 5.8, la vitesse de diminution de l’amplitude de la luminosité n’est pas assez 116 Figure 5.9 – Phénomène de battements secondaires dans l’évolution d’une galaxie. Il s’agit de la réplique de la Figure 5.8, mais sans le panneau du bas, et pour un intervalle de temps différent. grande pour arriver à ce scénario extrême, mais elle est tout de même suffisante pour produire un rebondissement dans le cycle de la circulation du gaz. En regardant l’évolution de la luminosité de la galaxie de 1010 M⊙ dans la Figure 5.3, nous voyons clairement que le système essaie plusieurs fois d’atteindre un équilibre. Nous pouvons interpréter les minimums dans le battement principal comme étant des tentatives de convergence. Si les conditions ne sont pas encore favorables, le mouvement de convergence sera renversé et le système fera une autre tentative de convergence plus tard dans des conditions de plus en plus stables. Des conditions stables signifient ici un équilibre parfait entre le vent galactique et le refroidissement, ce qui résulterait en un TFS constant dans le temps. Juste assez de refroidissement permettrait de former suffisamment d’étoiles pour réguler le taux de refroidissement afin de ne pas créer de sursauts qui éjectent tout le gaz froid. Cette situation idéale est cependant très difficile à atteindre pour des galaxies qui débutent leur vie avec un 117 taux de refroidissement trop intense, c’est-à-dire avec un mode de refroidissement rapide. À l’autre extrême, les galaxies massives avec de grands temps dynamiques atteignent cet équilibre sans problème (voir le panneau du bas de la Figure 5.2). 5.3.4 Battement secondaire Un événement intéressant se produit lors de la deuxième tentative de convergence de la galaxie de 1010 M⊙ dans la Figure 5.3. La série de populations d’étoiles formées durant les sursauts jusqu’à maintenant sont considérées comme étant les populations principales. Comme le montre la Figure 5.9, une série de populations secondaires émergent aux alentours de log(t) = 9.45. À ce moment, la formation stellaire reprend durant la phase active des SNe, c’est-à-dire avant la chute prononcée de la luminosité mécanique. Il s’agit en fait de la suite logique de la fusion progressive dans le temps des sursauts de formation stellaire. Décortiquons maintenant l’apparition de cette seconde série de sursauts. Initialement, la masse stellaire du premier sursaut secondaire n’est pas très grande, car son vent galactique, combiné avec celui du sursaut principal qui est toujours actif, réduit rapidement le TFS à zéro. Lorsque la formation stellaire reprend, c’est-à-dire lorsque la luminosité mécanique du sursaut secondaire chute, un nouveau sursaut principal est créé. Il est important de comprendre que le laps de temps entre les sursauts principaux continue de diminuer en moyenne, ce qui accentue les effets de la fusion entre les différents sursauts. Cela signifie que l’apparition d’un sursaut secondaire va surgir de plus en plus tôt sur le profil de luminosité mécanique d’un sursaut principal. De plus, puisque les sursauts secondaires enlèvent de la masse pour la formation des sursauts principaux, ces derniers diminuent en importance et deviennent progressivement négligeables par rapport aux sursauts secondaires. Par la suite, les sursauts secondaires deviennent dans un sens les sursauts principaux, et tout le cycle recommence. Cet échange périodique de matière entre ces deux séries de sursauts crée un second battement dans le battement principal, qui est clairement visible dans la Figure 5.9. Puisque la masse stellaire est divisée pour former deux séries de sursauts, l’amplitude moyenne des oscillations est désormais réduite. L’apparition d’un second battement participe donc à l’amortissement des oscillations dans le temps. Il est difficile de prédire et d’expliquer pourquoi tel comportement se produit exactement à un moment précis. Toutes les variables du modèle sont interreliées, ce qui rend le système très complexe et fort possiblement chaotique. Nous devons donc étudier le comportement de manière globale au lieu d’étudier le cas par cas et le pourquoi de chaque minimum local. Jusqu’à maintenant, l’analyse des oscillations dans les galaxies ayant un TFS épisodique s’est faite en négligeant la contribution énergétique des SNe Ia. Au même titre que les vents stellaires, les SNe Ia ajoutent des perturbations au système et complexifient l’évolution des oscillations, dont le rythme est initialement donné par la régularité des SNe II. La Figure 5.10 montre une réplique de la Figure 5.9, mais avec la contribution des SNe Ia. Devant cette complexité, il devient impensable et surtout inutile d’analyser chaque période d’oscillation en détail. Le 118 Figure 5.10 – Réplique de la Figure 5.9, mais avec la contribution des SNe Ia. système est clairement chaotique à ce point, et nous devons nous en tenir à une vue d’ensemble. Il est important de mentionner que le phénomène de battement, présenté dans les dernières figures, est essentiellement causé par le fait que la formation stellaire a toujours lieu au même endroit, c’est-à-dire dans la composante de gaz froid. Puisque nous ne considérons pas la morphologie interne des galaxies, nous ne considérons qu’une seule zone pour former les étoiles. Mais en réalité, les différentes populations stellaires devraient se former à différents endroits dans une galaxie. Et même si chaque région de formation stellaire pouvait produire localement son propre battement, la somme de toutes ces zones, dans le but d’obtenir le TFS global d’une galaxie, camouflerait probablement ces phénomènes de battement. Ainsi, les comportements oscillatoires risquent de s’observer plus facilement dans les galaxies les moins massives, car leur volume est plus restreint et s’approche davantage à l’approximation de la simple zone de formation stellaire. 119 5.4 Point d’équilibre et stabilité Une manière efficace d’observer l’évolution d’un système complexe est de regarder son comportement dans l’espace de phase (Figure 5.11). Par définition, un tel espace est une figure montrant les valeurs d’une fonction f , en fonction de la dérivée par rapport au temps de cette même fonction f . Ainsi, cette dernière figure montre la dynamique entre la masse de gaz dans le halo, Mhalo , et son taux de variation Ṁhalo , pour chaque galaxie étudiée dans la section précédente. En règle générale, lorsque Ṁhalo est positif, le vent galactique est plus important que le refroidissement du halo, ce qui fait gagner de la masse au halo. Dans le cas inverse, le refroidissement est plus important que le vent galactique et Ṁhalo est négatif. Pour bien comprendre cette dernière figure, concentrons-nous premièrement sur le panneau du haut, c’est-à-dire sur la galaxie de 108 M⊙ . Le point de départ de cette galaxie est représenté par le symbole ×. Initialement, lorsqu’un système se forme, tout le gaz se situe dans le halo. Par la suite, le halo commence à se refroidir, ce qui approvisionne la galaxie en gaz. Puisqu’initialement il n’y a que du refroidissement, le symbole × se retrouve donc à un Ṁhalo < 0. Durant la phase active de ce refroidissement, le halo perd tranquillement de la masse, ce qui explique le déplacement de la ligne rouge (Figure 5.11) vers la gauche. Cette ligne se déplace également vers le haut, car en approvisionnant la galaxie en gaz, des étoiles se forment et produisent un vent galactique qui réduit progressivement la quantité nette de gaz qui se refroidit. Lorsque la ligne rouge croise la ligne verte, correspondant à Ṁhalo = 0, il y a autant de refroidissement que de vent galactique. Cette situation correspond au moment où le TFS atteint un maximum (voir Fig 5.4). Par la suite, lorsque le vent galactique devient dominant face au refroidissement, ce qui nous amène dans la région où Ṁhalo > 0, la ligne rouge retourne vers la droite, car le gaz froid retourne dans le halo. Lorsqu’il n’y a plus de gaz dans la galaxie, le TFS s’arrête et la ligne rouge fait place à la ligne noire qui tombe à Ṁhalo = 0. Comme nous pouvons le constater, la masse Mhalo est à ce moment inférieure à sa valeur initiale, puisqu’une partie du gaz a quitté le système via le vent galactique à grande échelle et une autre partie est maintenant sous forme d’étoiles. La ligne verte fait référence à la période active des SNe II qui empêchent le halo de se refroidir et qui continuent d’alimenter le vent galactique à grande échelle, ce qui explique le déplacement vers la gauche. À la fin de cette phase active, le refroidissement reprend et un nouveau cycle recommence. La forme que nous venons de décrire se répète tout au long de l’évolution de la galaxie de 108 M⊙ . Et, comme le montrent les autres panneaux de la Figure 5.11, des formes de base similaires se retrouvent dans chacune des galaxies étudiées. Cette figure montre très bien le phénomène de convergence. Les galaxies de 108 et de 109 M⊙ semblent converger vers un point d’équilibre stable, mais il s’agit simplement du fait que ces galaxies éjectent entièrement leur réserve de gaz dans le MIG, ce qui arrête toute activité dans la dynamique du transfert de gaz. La Figure 5.12 montre l’effet des vents stellaires des étoiles massives et des SNe Ia sur la convergence du système pour la galaxie de 1010 M⊙ . Comme le montre cette dernière figure, 120 Figure 5.11 – Taux de variation de la masse de gaz dans le halo, Ṁhalo , en fonction de la masse de gaz dans le halo, Mhalo . Chaque panneau représente une galaxie formée à z = 9 ayant une masse totale différente. Le symbole × représente le point de départ, alors que les segments de couleur sont des points de référence utilisés dans l’explication de cette figure (voir le texte). 121 Figure 5.12 – Effet des vents stellaires et des SNe Ia sur le taux de variation de la masse de gaz dans le halo, Ṁhalo , en fonction de la masse de gaz dans le halo, Mhalo . La galaxie en question s’est formée à z = 9 et possède une masse totale de 1010 M⊙ . Les trois panneaux montrent le résultat lorsque les contributions des vents stellaires (VS) et des SNe Ia sont ajoutées à la contribution des SNe II. une convergence rapide permet à une galaxie d’augmenter sa réserve de gaz. En effet, sans les vents stellaires et les SNe Ia, l’intensité des sursauts de formation stellaire augmente (voir Figure 5.5), ce qui emprisonne une plus grande quantité de gaz dans les étoiles. Des sursauts plus intenses pourraient également générer un plus grand taux d’éjection de matière dans le MIG, mais comme le montre le panneau du bas de la Figure 5.3, dans le cas de la galaxie de 1010 M⊙ , la perte de gaz par le vent galactique à grande échelle est négligeable par rapport à la perte de gaz causée par la formation stellaire. Une manière encore plus simple de visualiser la dynamique entre le vent galactique et 122 Figure 5.13 – Version normalisée de l’espace de phase de la galaxie de 1010 M⊙ présenté dans la Figure 5.11. La masse Mhalo a été remplacée par Mhalo / Mgaz , où Mgaz = Mhalo + Mfroid . le refroidissement est de normaliser la masse du halo dans l’espace de phase. Pour ce faire, nous avons divisé la masse Mhalo par la masse totale de gaz présent dans le système, soit Mhalo + Mfroid . La Figure 5.13 montre, à titre d’exemple, l’espace de phase normalisé de la galaxie de 1010 M⊙ . Cette dernière figure équivaut à reprendre cette galaxie dans la Figure 5.11, et de rassembler tous ses cycles 3 au même endroit. À l’aide de l’espace de phase normalisé, nous voyons bien que les oscillations tentent de converger vers un point d’équilibre, sans toutefois vraiment l’atteindre. D’un autre côté, certaines galaxies peuvent atteindre leur point d’équilibre. En effet, lorsqu’une galaxie possède un TFS relativement stable, la Figure 5.14 montre que le point d’équi3. Un cycle fait référence à une période d’oscillation, qui a été décrite à l’aide des segments de couleurs dans la Figure 5.11. 123 Figure 5.14 – Évolution du point d’équilibre dans l’espace de phase normalisé. Le panneau du haut montre le TFS d’une galaxie de 1010 M⊙ formée à z = 2 en fonction du paramètre fth qui détermine la fraction d’énergie mécanique utilisée pour produire le vent galactique. Les différentes couleurs représentent différentes valeurs fth , soit 0 (noir), 0.037 (rouge), 0.038 (vert), 0.039 (rose) et 0.045 (orange). Le panneau du bas montre l’espace de phase normalisé pour quelques valeurs de fth . Le symbole × indique le point de départ de toutes les courbes. Les résultats sont très sensibles au paramètre fth , car ce dernier est, dans ce cas-ci, très près du facteur fw qui égale 0.036 (voir section 5.5.3). 124 libre est rapidement atteint dans l’espace de phase normalisé. À partir de cette figure, nous pouvons diviser le TFS en trois catégories (e.g. Struck-Marcell & Scalo 1987). Il y a premièrement les TFSs qui se stabilisent pratiquement sans oscillation (lignes rouge et verte). Dans ce cas, et dans l’espace de phase, le système passe directement de son point initial vers son point d’équilibre. Deuxièmement, certains TFSs vont présenter quelques oscillations avant de se stabiliser (ligne rose). Dans l’espace de phase, nous voyons que le système tombe vers son point d’équilibre en spirale. Et, troisièmement, lorsque les points d’équilibre sont hors de portée (voir plus bas), comme dans la Figure 5.13, les TFSs sont épisodiques. L’aspect important du panneau du bas de la Figure 5.14 est que plus la rétroaction stellaire est puissante face au processus de refroidissement, plus le point d’équilibre se déplace vers la droite, c’est-à-dire vers un état où le gaz se retrouve davantage dans le halo. L’augmentation de puissance dans ce cas-ci provient de l’augmentation du paramètre fth qui détermine la fraction d’énergie mécanique utilisée pour produire le vent galactique. Ainsi, augmenter fth revient à augmenter la masse éjectée dans le halo, ce qui replace naturellement le système dans un état d’équilibre où il y a plus de gaz dans le halo. En résumé, la position du point d’équilibre est entièrement déterminée par l’importance relative entre la force d’approvisionnement et la force d’éjection 4 . De plus, comme le montre la Figure 5.15, ces points d’équilibre sont très stables, ce qui signifie que les TFSs re-convergent rapidement vers leur point d’équilibre après avoir subi une perturbation. D’un point de vue dynamique, ces points d’équilibre dans l’espace de phase peuvent être considérés comme des attracteurs (Kulenovic et al. 1989; Györi & Landas 1991). Tel qu’illustré dans la dernière figure, le point d’équilibre semble être insensible aux perturbations, ce qui le rend uniquement dépendant des paramètres de base qui affectent les vitesses d’approvisionnement et d’éjection de gaz, comme par exemple les temps caractéristiques et le paramètre d’efficacité de rétroaction fth . C’est d’ailleurs pour cette raison que les perturbations occasionnées par les hypernovae dans les premiers moments d’évolution des galaxies n’affectent pas le sort final de ces objets. Dans ce sens, le point d’équilibre de chacune de nos galaxies simulées est fixé avant même de former les premières étoiles. Bien entendu, si une galaxie est impliquée dans une collision majeure, le point d’équilibre de la galaxie résultante risque d’être modifié, puisque la variation drastique de la masse totale Mvir peut modifier les paramètres impliqués dans le refroidissement et dans la production du vent galactique. D’après ces résultats, il semble exister un point d’équilibre pour chaque galaxie. Et comme l’a démontré la Figure 5.14, plus la rétroaction stellaire est puissante par rapport au refroidissement du halo, plus le point d’équilibre se déplace vers un état où le gaz se retrouve davantage dans le halo. En extrapolant cette tendance, c’est-à-dire en continuant d’augmenter la puis4. Les métallicités du halo et des étoiles augmentent au cours de l’évolution d’une galaxie. Puisque le taux de refroidissement du halo et la luminosité mécanique des étoiles dépendent de la métallicité, le point d’équilibre peut se déplacer légèrement avec durant une simulation (voir les lignes rouge et verte dans le panneau du bas de la Figure 5.14). 125 Figure 5.15 – Effet d’une perturbation dans le TFS d’une galaxie de 1010 M⊙ . La ligne verte représente le cas où fth = 0.038 dans la Figure 5.14. Chaque perturbation (lignes grises), ajoutée après 225 millions d’années d’évolution, a été créée en produisant un refroidissement soudain et artificiel qui transfère instantanément une quantité de gaz du halo vers la galaxie. Chaque ligne grise représente une perturbation d’intensité différente. Tableau 5.1 – Liste des paramètres libres dans le MSA semi-ouvert à simple rétroaction. Paramètre Description Valeur f⋆ Efficacité de formation stellaire 0.1 τ⋆ Temps caractéristique de la formation stellaire 0.1 tdyn fth Fraction de l’énergie mécanique utilisée pour produire un vent galactique 0.20 τVG Temps caractéristique du processus d’éjection de matière 0.3 tdyn sance du vent galactique, le point d’équilibre finit par se déplacer au-delà de Mhalo /Mgaz = 1, ce qui implique que la totalité du gaz devrait alors se retrouver dans le halo de manière permanente. Bien entendu, cette situation n’est pas stable, car les étoiles massives, qui sont la source d’un vent galactique, terminent éventuellement leur vie, permettant ainsi au refroidissement de transférer du gaz dans la galaxie. C’est précisément à ce moment, lorsque le point d’équilibre traverse la frontière Mhalo /Mgaz = 1, que le TFS d’une galaxie devient épisodique. Le point d’équilibre existe théoriquement, mais il est hors de portée puisqu’il ne représente 126 pas un état stable 5 (voir Figure 5.13). 5.5 Variation des différents paramètres Les paramètres libres et les échelles de temps dans un MSA ont des impacts considérables sur l’évolution numérique des galaxies. En effet, comme nous venons de le constater dans les sections précédentes, tout ce qui a un impact sur les taux d’approvisionnement et d’éjection de gaz aura un impact sur la régulation du TFS des galaxies. Cette section présente les effets de la variation des différents paramètres sur les résultats produits par notre modèle. Nous nous concentrons particulièrement sur les TFSs épisodiques, car il y a davantage d’éléments à étudier que dans le cas des TFSs stables et constants. De plus, puisque les paramètres ont des impacts similaires d’une galaxie à l’autre, nous ne présentons que les résultats d’une galaxie de 109 M⊙ formée à z = 2 6 . Nous considérons la masse totale d’étoiles formées ainsi que la période moyenne d’oscillation du TFS afin de sonder l’effet de chaque paramètre sur l’évolution d’une galaxie. La période d’oscillation nous permet d’analyser comment le TFS stellaire évolue avec le temps, alors que la masse totale d’étoiles nous renseigne sur l’efficacité globale de la formation stellaire. Le Tableau 5.1 montre les valeurs de référence utilisées dans cette section pour les paramètres libres. 5.5.1 Efficacité de formation stellaire L’efficacité de formation stellaire f⋆ détermine la fraction de gaz froid qui est impliquée dans le processus de formation stellaire (voir équation 4.19). Le panneau a) de la Figure 5.16 montre l’effet de la variation de ce paramètre sur l’évolution du TFS. En général, la durée d’un sursaut de formation stellaire est reliée à la fraction d’étoiles fe qui est définie par la masse d’étoiles jeunes divisée par la masse de gaz froid. Selon l’équation (5.16), la quantité d’étoiles détermine la quantité de gaz éjecté. Ainsi, lorsque fe augmente, c’est-à-dire lorsque le nombre d’étoiles augmente par rapport à la quantité de gaz froid, la réserve de gaz se videra plus rapidement. Mais s’il y a soudainement plus de gaz, c’est-à-dire si fe diminue, les étoiles prendront plus de temps pour éjecter complètement le gaz environnant dans le halo. Dans la Figure 5.16, nous remarquons que lorsque f⋆ augmente, la durée des sursauts (panneau a) et la période d’oscillation (panneau b) diminuent en raison de la plus grande fraction d’étoiles fe . L’amplitude des oscillations a tendance à augmenter avec f⋆ , car les étoiles se forment plus rapidement. Pour ce qui est de la masse totale d’étoiles (panneau c), augmenter l’efficacité de formation stellaire engendre naturellement plus d’étoiles. L’augmentation de la masse stellaire est cependant asymptotique, car la formation stellaire est toujours accompagnée 5. Ce manque de stabilité est uniquement causé par le temps de vie limité des étoiles. 6. Il s’agit là d’un choix relativement arbitraire. Le seul critère était que la masse devait être suffisamment petite pour que la galaxie produise un TFS épisodique. 127 Figure 5.16 – Effet de l’efficacité de formation stellaire f⋆ sur le TFS d’une galaxie de 109 M⊙ formée à z = 2. Le panneau a) montre l’évolution du TFS en fonction des différentes valeurs de f⋆ , alors que les panneaux b) et c) montrent respectivement les variations de la période moyenne d’oscillation et de la masse totale d’étoiles formées après 2 millions d’années. 128 de la rétroaction stellaire. Il y a donc une certaine limite à la quantité d’étoiles que l’on peut former avec le paramètre f⋆ . 5.5.2 Temps caractéristique de la formation stellaire L’échelle de temps τ⋆ est un autre paramètre qui affecte directement le processus de formation stellaire (voir équation 4.19). Ce paramètre détermine la vitesse à laquelle le gaz s’effondre pour former des étoiles. Donc, logiquement, comme le montre la Figure 5.17, augmenter τ⋆ diminue la masse totale d’étoiles formées. De plus, augmenter τ⋆ diminue également l’amplitude des oscillations, mais augmente sa période. En formant des étoiles plus tranquillement, le taux d’éjection par le vent galactique ralentit, ce qui demande plus de temps avant que le MIS se vide de son gaz. Mais l’aspect le plus intéressant de la Figure 5.17, est qu’en ralentissant suffisamment la formation d’étoiles, le taux d’éjection diminue et le TFS transite vers un état stable et devient constant. En effet, tel qu’expliqué dans les sections précédentes, un TFS ne peut pas être épisodique lorsque le processus d’approvisionnement domine face à la production d’un vent galactique. 5.5.3 Efficacité du vent galactique Le paramètre fth détermine la masse de gaz éjecté dans le halo par unité d’énergie mécanique fournie par les étoiles. Il s’agit en fait du paramètre qui détermine la puissance des vents galactiques. La Figure 5.18 montre que lorsque fth diminue, la masse stellaire ainsi que la période des oscillations augmentent. Cela se produit parce que le vent galactique éjecte de moins en moins de gaz dans le halo. Tel que discuté dans la section 5.1.2, la masse éjectée par le vent galactique tend vers zéro lorsque fth s’approche de fw . Ce dernier paramètre détermine la fraction d’énergie mécanique qui est utilisée pour produire le vent galactique à grande échelle, et possède la valeur de 0.189 dans ce cas-ci. Donc, en diminuant suffisamment fth , nous retrouvons la situation sans rétroaction (voir section 4.2.1), où la totalité de la réserve de gaz du système est convertie en étoiles en quelques centaines de millions d’années seulement. 5.5.4 Temps caractéristique d’éjection Le temps caractéristique τVG , introduit dans l’équation (5.17), permet de retarder l’éjection de matière dans le halo, sans pour autant modifier la quantité qui est éjectée. Il s’agit donc d’un outil très puissant lorsque nous voulons contrôler la période d’oscillation des TFSs épisodiques. En effet, comme le montre la Figure 5.19, la période moyenne d’oscillation augmente linéairement et significativement avec τVG , alors que la masse totale d’étoiles reste pratiquement inchangée. En étalant le processus d’éjection sur un plus long laps de temps, le refroidissement cesse de fonctionner durant une plus longue période de temps. Donc, même si plus d’étoiles se forment dans un sursaut lorsque τVG est élevé, la période d’oscillation augmente de manière 129 Figure 5.17 – Effet du temps caractéristique de la formation stellaire τ⋆ sur le TFS d’une galaxie de 109 M⊙ formée à z = 2. Le panneau a) montre l’évolution du TFS en fonction des différentes valeurs de τ⋆ , alors que les panneaux b) et c) montrent respectivement les variations de la période moyenne d’oscillation et de la masse totale d’étoiles formées après 2 millions d’années. 130 Figure 5.18 – Effet de l’efficacité du vent galactique fth sur le TFS d’une galaxie de 109 M⊙ formée à z = 2. Le panneau a) montre l’évolution du TFS en fonction des différentes valeurs de fth , alors que les panneaux b) et c) montrent respectivement les variations de la période moyenne d’oscillation et de la masse totale d’étoiles formées après 2 millions d’années. 131 à annuler cet effet, ce qui permet de conserver la quantité totale d’étoiles formées durant la simulation. L’utilisation de τVG relève davantage du fudge factor que d’une motivation physique. Même s’il est légitime de s’imaginer que les étoiles massives prennent un certain temps à éjecter le gaz galactique dans le halo, il est plus difficile de justifier l’arrêt complet du refroidissement pendant plusieurs centaines de millions d’années, alors que le temps de vie des étoiles massives n’est que de quelques dizaines de millions d’années (voir le panneau a de la Figure 5.19). Comme nous le verrons dans quelques sections, la période moyenne observée et simulée dans les TFSs épisodiques des galaxies est souvent de l’ordre de quelques centaines de millions d’années, ce qui correspond habituellement au temps dynamique de ces galaxies (Teyssier et al. 2013; Kauffmann 2014). Or, avec le présent MSA, il n’est pas possible, sans le paramètre τVG , de provoquer naturellement de tels délais, à moins d’assigner des valeurs non réalistes aux différents paramètres libres. Sans ce paramètre, vue la simplicité du modèle, le délai de temps entre la fin d’un sursaut et le début d’un nouveau est toujours de l’ordre du temps de vie des étoiles massives, c’est-à-dire d’environ 30 millions d’années, ce qui limite beaucoup nos périodes d’oscillation. À l’aide de nos paramètres, il est difficile de contrôler la longueur de ces périodes sans assigner des valeurs non réalistes à ces paramètres. Ainsi, l’utilisation de τVG nous permet donc d’améliorer la dynamique de la formation stellaire et d’offrir un bon contrôle sur la période des oscillations. 5.5.5 Temps caractéristique du refroidissement Bien que le temps caractéristique tff 7 ne soit pas considéré comme un paramètre libre (voir section 4.1.2), nous l’avons tout de même varié afin d’analyser l’impact de la vitesse d’approvisionnement sur la formation stellaire. Il est intéressant de remarquer dans la Figure 5.20 que la période d’oscillation n’est aucunement affectée par la variation du temps de refroidissement. Moins d’apport en gaz signifie simplement qu’il y aura moins d’étoiles, mais également moins de gaz à éjecter. Ainsi, le ratio entre la génération d’énergie mécanique et la quantité de gaz à éjecter est inchangé peu importe la valeur de tff . 5.5.6 Période d’oscillation Les galaxies naines observées dans l’Univers proche ayant une masse stellaire en dessous de 1010 M⊙ et un TFS épisodique montrent des périodes d’oscillations qui se retrouvent en moyenne entre 200 et 250 millions d’années (Weisz et al. 2012; Kauffmann 2014). Par ailleurs, le délai entre chaque sursaut de formation stellaire dans la galaxie irrégulière Sextans A est de l’ordre de 150 millions d’années (Dohm-Palmer et al. 1997). Selon les simulations hydrodynamiques de galaxies naines, les périodes d’oscillations pourraient s’étendre de 150 7. Nous considérons uniquement tff , et non tdyn , car le refroidissement est en mode rapide pour la galaxie considérée. 132 Figure 5.19 – Effet du temps caractéristique du processus d’éjection τVG sur le TFS d’une galaxie de 109 M⊙ formée à z = 2. Le panneau a) montre l’évolution du TFS en fonction des différentes valeurs de τVG , alors que les panneaux b) et c) montrent respectivement les variations de la période moyenne d’oscillation et de la masse totale d’étoiles formées après 2 millions d’années. 133 Figure 5.20 – Effet du temps caractéristique du processus de refroidissement tref sur le TFS d’une galaxie de 109 M⊙ formée à z = 2. Le panneau a) montre l’évolution du TFS en fonction des différentes valeurs de tref , alors que les panneaux b) et c) montrent respectivement les variations de la période moyenne d’oscillation et de la masse totale d’étoiles formées après 2 millions d’années. 134 à 400 millions d’années (Pelupessy et al. 2004; Stinson et al. 2007). Tel que présenté dans la section 5.5.4, le temps caractéristique d’éjection τVG nous permet de contrôler la période d’oscillation du TFS de nos galaxies simulées. Il est donc possible d’ajuster ce temps d’éjection afin de produire des résultats consistants avec les observations et les simulations. Mais il est important de rappeler que l’arrêt prononcé du refroidissement lors de l’utilisation de τVG est difficile à justifier physiquement (voir section 5.5.4), ce qui incite à considérer ce paramètre comme un fudge factor . Tableau 5.2 – Comparaison entre Stinson et al. (2007) et le MSA semi-ouvert à simple rétroaction en ce qui concerne le TFS des galaxies naines. La colonne de gauche indique la masse totale des galaxies considérées. Les deuxième et troisième colonnes montrent respectivement la période moyenne d’oscillation du TFS et la masse totale d’étoiles formées selon les simulations hydrodynamiques de Stinson et al. (2007). Les quatrième et cinquième colonnes montrent les mêmes quantités obtenues avec le MSA. Les deux dernières colonnes montrent l’efficacité du vent galactique fth et du vent galactique à grande échelle fw . Stinson et al. (2007) MSA Mvir [109 M⊙ ] P [106 ans] M⋆ [106 M⊙ ] P [106 ans] M⋆ [106 M⊙ ] fth fw 1.0 292 2.34 293 2.14 0.250 0.189 2.5 342 21.5 341 20.4 0.145 0.125 5.0 387 78.6 383 78.5 0.085 0.072 Nous avons comparé nos résultats avec les simulations hydrodynamiques de Stinson et al. (2007, S07), car le comportement global de leurs galaxies est suffisamment simple pour permettre à notre MSA de le reproduire. De plus, tout comme notre MSA semi-ouvert, les simulations de S07 considèrent des galaxies complètement isolées. Nous avons utilisé les mêmes conditions initiales que ces simulations en termes de la masse totale Mvir et de la vitesse Vvir des galaxies, ce qui impliquait une époque de formation aux alentours de z = 0.6. Tout comme dans le cas de S07, nous avons fait évoluer nos galaxies pendant trois milliards d’années. Après quelques essais, nous avons conclu que les meilleurs paramètres qui permettent de reproduire les TFSs de S07 sont f⋆ = 0.1, τ⋆ = 0.1 tdyn et τVG = 0.3 tdyn . Nous avons remarqué que le facteur fth devait toutefois changer de valeur d’une galaxie à l’autre afin d’améliorer la comparaison. Le Tableau 5.2 montre que nos résultats reproduisent très bien la période d’oscillation ainsi que la masse totale d’étoiles formées dans les simulations de S07. La Figure 5.21 montre une comparaison de l’évolution du TFS de la galaxie de 2.5 × 109 M⊙ . Les durées moyennes des sursauts de formation stellaire obtenues avec le MSA sont environ deux fois plus petites que celles obtenues par S07. En effet, dans une simulation hydrodynamique, la formation stellaire ne se produit pas seulement en un seul endroit, comme dans notre modèle, mais est dispersée à travers le volume de la galaxie, bien que les étoiles aient un tendance à se 135 former au centre. Ainsi, puisque les différents nuages de gaz ne s’effondrent pas nécessairement au même moment pour former des étoiles, ces simulations obtiennent naturellement une plus grande dispersion temporelle dans leurs sursauts comparativement à un MSA. Le fait que notre modèle forme les étoiles dans une seule zone explique d’ailleurs en partie pourquoi il est difficile d’obtenir des longues périodes d’oscillation sans l’utilisation du temps caractéristique d’éjection τVG . Les résultats présentés dans le Tableau 5.2 suggèrent que fth , la fraction d’énergie mécanique des étoiles utilisée pour produire un vent galactique, devrait diminuer lorsqu’une galaxie devient plus massive, ce qui n’est pas considéré dans la majorité des MSAs qui se retrouvent dans la littérature. Plus précisément, ce tableau montre que le paramètre fth reste toujours relativement près du paramètre fw , qui détermine la fraction d’énergie mécanique des étoiles utilisée pour produire un vent galactique à grande échelle. Pour les trois galaxies naines considérées dans cette section, fth est au plus 30 % plus élevé que fw . Il s’agit là d’un comportement intéressant, car en réalité, si le gaz a de la difficulté à quitter le potentiel gravitationnel du halo de matière sombre d’une galaxie, le gaz devrait également avoir de la difficulté à quitter le MIS de cette galaxie. Il semble donc logique que le facteur fth ait un lien avec le facteur fw , qui lui dépend de la masse totale Mvir des galaxies (voir équation 5.1). Il a été mentionné dans l’introduction de ce document que l’avantage principal d’un MSA est sa rapidité de calcul. Chaque galaxie présentée dans le Tableau 5.2 a demandé au plus une minute de temps de calcul 8 , ce qui est certainement très inférieur à celui d’une simulation hydrodynamique. Mais les conditions étaient parfaites dans ce cas-ci pour réduire le temps de calcul. En effet, puisque chaque galaxie se forme à un faible décalage vers le rouge, les temps dynamiques étaient relativement longs comparativement à une formation galactique à hauts décalages vers le rouge, ce qui a considérablement augmenté la durée des pas de temps ∆t qui était d’environ 6 × 106 années (voir section 4.1.5). Pour l’instant, nous n’avons discuté que des TFS cycliques ayant des périodes d’oscillations de l’ordre de quelques centaines de millions d’années. Certaines galaxies naines montrent cependant des épisodes de formation stellaire séparées par plusieurs milliards d’années (e.g. Tolstoy et al. 2009). Malgré la flexibilité que nous offre le paramètre τVG , notre MSA ne peut pas reproduire de tels délais. Mais ces longs intervalles de temps entre les épisodes de formation stellaire pourraient être causés par les différentes interactions entre les galaxies et leur environnement. Par exemple, une galaxie naine peut se retrouver dépourvue de gaz si cette dernière traverse une région de haute densité du MIG (e.g. Benítez-Llambay et al. 2013). Les effets de marée peuvent également réduire considérablement la réserve de gaz d’une galaxie, menant ainsi à un temps mort de formation stellaire qui peut s’échelonner sur une très longue période de temps (e.g. Gnedin 2003). Cependant, ces effets environnementaux ne seront considérés que lorsque le MSA sera couplé à une simulation hydrodynamique à grande 8. Le calcul a été effectué sur un Mac Book Pro ayant un processeur Intel Core 2 Duo de 2.4 GHz. 136 Figure 5.21 – Évolution du taux de formation stellaire d’une galaxie de 2.5 × 109 M⊙ . Le panneau du haut montre le résultat de la simulation hydrodynamique de Stinson et al. (2007, Figure 2). Le panneau du bas montre le résultat obtenu avec le MSA semi-ouvert à simple rétroaction. Nous référons le lecteur au Tableau 5.2 pour une comparaison quantitative. 137 échelle. 5.6 Test de résolution À ce stade du projet, le MSA inclut le refroidissement du halo, la formation stellaire, l’enrichissement chimique et la rétroaction stellaire sous forme de vents galactiques. Tous ces processus sont interreliés. À chaque pas de temps ∆t, le refroidissement approvisionne la galaxie en gaz pour former des étoiles. Ces dernières, ainsi que les autres populations d’étoiles formées dans les pas de temps précédents, enrichissent le gaz froid, augmentant ainsi la métallicité des futures générations d’étoiles. La formation stellaire engendre de la rétroaction stellaire qui renvoie une partie du gaz froid dans halo, ce qui augmente la métallicité du halo en plus de réduire le TFS associé au prochain pas de temps. Le halo, maintenant plus riche en métaux, modifie son taux de refroidissement, ce qui affectera l’apport en gaz de galaxie lors du prochain pas de temps. Plusieurs éléments participent à la régulation du TFS et il est important de s’assurer que la résolution temporelle ∆t n’en fait pas partie. Les Figures 5.22 et 5.23 montrent l’effet de la résolution ∆t sur la masse totale d’étoiles formées, en fonction du temps, pour des galaxies de différentes masses formées à différents décalages vers le rouge. Les pics visibles dans ces deux figures signifient simplement que les sursauts de formation stellaire ne sont pas synchronisés dans le temps d’une résolution à l’autre. De manière similaire au test de résolution effectué à la section 4.1.5, les résultats semblent être insensibles à la résolution lorsque ∆t est inférieur à un millième du temps de chute libre tff de la galaxie en question. Ainsi, nous avons fixé la durée des pas de temps à ∆t = tff . 1000 (5.18) Nous référons le lecteur à la section 10.4 en ce qui concerne l’arrimage des différents pas de temps entre le MSA et la simulation à grande échelle. 138 Figure 5.22 – Test de résolution du MSA semi-ouvert à simple rétroaction à z = 0. Chaque panneau représente la masse stellaire cumulée pour une galaxie de masse totale Mvir . Chaque couleur représente le ratio des résultats obtenus en utilisant deux résolutions ∆t différentes, qui sont en unités de temps de chute libre tff . Les courbes rouges montrent le ratio entre l’évolution de la masse stellaire obtenue lorsque ∆t = tff /10000 et celle obtenue lorsque ∆t = tff /1000. Les courbes vertes montrent le ratio entre les résultats de ∆t = tff /1000 et ∆t = tff /100, et les courbes noires montrent le ratio entre les résultats de ∆t = tff /100 et ∆t = tff /10. 139 Figure 5.23 – Test de résolution du MSA semi-ouvert à simple rétroaction à z = 10. Il s’agit de la réplique de la Figure 5.22, mais pour un décalage vers le rouge de formation de z = 10, au lieu de z = 0. 140 Chapitre 6 Modèle galactique ouvert à simple rétroaction Dans ce chapitre, nous présentons le MSA ouvert à simple rétroaction (Figure 6.1), qui est la réplique du MSA semi-ouvert présenté dans le chapitre précédent, auquel nous avons introduit le processus d’accrétion en provenance du MIG (voir section 6.2). Le modèle est désormais ouvert , car une galaxie peut éjecter de la masse dans le MIG, et ce dernier peut en introduire dans la galaxie. Inclure ce processus d’accrétion dans un modèle affecte grandement le sort des galaxies. En effet, la masse totale d’une galaxie peut augmenter par plusieurs ordres de grandeur lorsque l’accrétion est considérée dans son évolution (e.g. Zhao et al. 2009; Cattaneo et al. 2011). Modifier significativement la masse d’une galaxie revient à modifier toutes les échelles de temps caractéristiques associées aux processus de refroidissement et de formation stellaire, en plus de modifier l’efficacité de la rétroaction stellaire. Comme nous allons le démontrer dans les prochaines sections, l’accrétion du MIG permet de reproduire la relation observée dans l’Univers local entre la masse stellaire et la masse du halo de matière sombre des galaxies. 6.1 Relation entre la masse stellaire et la matière sombre Selon le modèle ΛCDM, chaque galaxie se forme à l’intérieur d’un halo de matière sombre. La quantité d’étoiles observées dans les galaxies nous renseigne sur l’efficacité globale de la formation stellaire, et ce, depuis l’époque de leur formation jusqu’à aujourd’hui. Plusieurs travaux ont récemment été menés afin de déterminer la relation actuelle entre la masse stellaire (M⋆ ) des galaxies et la masse de leur halo de matière sombre (MHMS ). Puisque le MSA est conçu pour interagir avec une simulation hydrodynamique cosmologique, il est primordial que le modèle puisse reproduire cette relation, car reproduire la bonne quantité d’étoiles dans nos galaxies nous assurera d’injecter les bonnes quantités de métaux et d’énergie dans le MIG. 141 Figure 6.1 – Schéma du modèle ouvert à simple rétroaction. Les flèches montrent la direction du transfert de masse d’une composante à l’autre. Mesurer la masse du halo de matière sombre des galaxies à l’aide d’observations n’est pas une tâche facile. En effet, un halo de matière sombre est en théorie significativement plus volumineux que la galaxie située en son centre (e.g. Mo et al. 1998). Les meilleurs méthodes actuelles pour mesurer la masse MHMS d’une galaxie sont les lentilles gravitationnelles (e.g. Sheldon et al. 2004; Mandelbaum et al. 2006), les galaxies satellites (e.g. van den Bosch et al. 2004; Conroy et al. 2007) et la recherche de pairs (abundance matching, e.g. Behroozi et al. 2010; Moster et al. 2010). La méthode des lentilles gravitationnelles implique d’analyser la distorsion de la lumière, provenant d’une source en arrière-plan, qui est causée par la courbure de l’espace produite par une galaxie ou plusieurs galaxies en avant-plan. Le niveau de déviation de la lumière permet de déterminer la masse totale des galaxies causant la distorsion. La méthode des galaxies satellites fait référence à l’analyse du mouvement des galaxies qui orbitent autour d’une galaxie centrale. Cela permet de déduire la force gravitationnelle appliquée sur les galaxies en orbite, déterminant ainsi la masse dynamique de la galaxie centrale, ce qui est similaire à l’étude des courbes de rotation des galaxies disques (Courteau et al. 2014). Ces deux dernières méthodes sont très efficaces, mais ne sont applicables au’aux galaxies ayant des masses totales supérieures à 1012 M⊙ , ce qui représente approximativement la masse totale de la Voie Lactée (e.g. McMillan 2011). Il est toutefois possible, à l’aide de méthodes alternatives basées sur la cinématique, d’estimer la masse totale des galaxies naines (e.g. Mateo 1998; Strigari et al. 2010). Mais la plupart du temps, la masse déterminée ne représente que la masse dynamique qui se retrouve à l’intérieur des galaxies, ce qui n’inclut pas la totalité de leur halo de matière sombre. Dans ce sens, la quantité de matière sombre associée aux galaxies naines est fort probablement sous-estimée. La méthode de la recherche de pairs, quant à elle, offre un bon complément aux différentes techniques décrites jusqu’à maintenant, car elle permet de sonder les galaxies ayant des masses totales supérieures à 1010 M⊙ (Behroozi et al. 142 Tableau 6.1 – Compilation de la masse stellaire et de la masse estimée du halo de matière sombre de quelques galaxies du Groupe Local. De gauche à droite, les colonnes représentent le nom de la galaxie, la masse du halo de matière sombre avec sa référence et la masse stellaire avec sa référence. log MHMS [ M⊙ ] Galaxie log M⋆ [M⊙ ] Valeur Référence Valeur Référence Fornax 8.85 Strigari et al. (2010) 7.63 de Boer et al. (2012b) IC 10 9.20 Mateo (1998) 8.78 Vaduvescu et al. (2007) Leo I 8.30 Strigari et al. (2010) 5.89 Lee et al. (2006) LMC 10.20 Alves (2004) 9.40 Kim et al. (1998) M31 12.0 Tamm et al. (2012) 11.0 Hammer et al. (2007) NGC 55 10.19 Westmeier et al. (2013) 8.44 Lee et al. (2006) Phoenix 7.52 Mateo (1998) 6.51 Hidalgo et al. (2013) Sextans A 8.95 Mateo (1998) 6.86 Lee et al. (2006) Sextans B 8.60 Mateo (1998) 6.24 Lee et al. (2006) Sculptor 9.18 Strigari et al. (2010) 6.89 de Boer et al. (2012a) SMC 9.81 Bekki & Stanimirović (2009) 8.48 Stanimirović et al. (2004) Voie Lactée 12.1 McMillan (2011) 10.7 Hammer et al. (2007) WLM 9.95 Leaman et al. (2012) 7.33 McCall et al. (2012) 2013; Moster et al. 2013), ce qui représente une masse limite inférieure 100 fois plus petite qu’avec les méthode des lentilles gravitationnelles et des galaxies satellites. La recherche de pairs repose sur la comparaison d’un grand échantillon de galaxies observées, souvent en provenance du SDSS 1 , avec un échantillon de halos de matière sombre provenant d’une simulation cosmologique à N-corps à grande échelle. En supposant que les galaxies les plus brillantes devraient résider dans les halos de matière sombre les plus massifs, chaque galaxie observée est associée à un halo de matière sombre de la simulation. Ces associations se font en commençant par les galaxies les plus brillantes et les halos les plus massifs, et en se terminant par les galaxies les moins lumineuses et les halos les moins massifs. Puisqu’il s’agit d’une distribution statistique, plus les échantillons sont grands, plus les associations risquent d’être représentatives de la réalité. Il n’est cependant pas possible avec cette méthode de sonder les galaxies de masse totale inférieure à 1010 M⊙ , car elles sont en général difficilement observables 2 et mal résolues dans les simulations utilisées. 1. SDSS est l’acronyme pour le Sloan Digital Sky Survey (Abazajian et al. 2004, 2005). 2. Malgré qu’il soit possible d’observer des galaxies ayant des masses stellaires aussi faibles que 106 M⊙ (voir Tableau 6.1), les échantillons comme celui du SDSS ne possèdent pas un assez grand nombre de ce type de galaxies pour en faire une étude statistique (voir Kauffmann et al. 2003b; Tremonti et al. 2004; Gallazzi et al. 2005). 143 Figure 6.2 – Masse stellaire en fonction de la masse du halo de matière sombre des galaxies à z = 0. Les relations obtenues à l’aide des lentilles gravitationnelles, des galaxies satellites et de la recherche de pairs ont été dérivées par Yang et al. (2009, X gris), Behroozi et al. (2010, X roses), Guo et al. (2010, X verts), Moster et al. (2010, X rouges), Behroozi et al. (2013, X oranges) et Moster et al. (2013, X bleus). Les résultats des simulations hydrodynamiques proviennent de Avila-Reese et al. (2011, triangles roses), Oh et al. (2011, triangles rouges), Sawala et al. (2011, triangles bleus), Brook et al. (2012, triangles noirs), Revaz & Jablonka (2012, triangle gris) et de Sawala et al. (2012, triangles pleins verts et oranges). Les données d’observation de galaxies individuelles du Groupe Local proviennent de McConnachie (2012, cercles pleins bleus) et d’une compilation présentée dans le Tableau 6.1 (cercles pleins rouges). La Figure 6.2 présente une compilation de plusieurs travaux qui ont déterminé la masse stellaire des galaxies en fonction de la masse de leur halo de matière sombre. Cette figure combine les données provenant des lentilles gravitationnelles, des galaxies satellites et de la recherche de pairs (symboles en X), des simulations hydrodynamiques (triangles) et de l’observation de galaxies individuelles (cercles, voir Tableau 6.1). Comme nous pouvons le constater, il y a beaucoup de dispersion dans les données, ce qui ne permet pas à première vue de contraindre efficacement la quantité d’étoiles qui se forment dans notre MSA. Mais les travaux utilisant les techniques des lentilles gravitationnelles, des galaxies satellites et de la recherche de pairs (les symboles possédant des barres d’erreur dans la Figure 6.2) se basent sur un très grand nombre de galaxies pour dériver leur relation entre M⋆ et MHMS . Statistiquement, ces relations sont 144 donc les plus représentatives de l’Univers local. Par conséquent, notre MSA doit avoir comme objectif de reproduire ces relations statistiques, au lieu de reproduire la moyenne de tous les points visibles dans la Figure 6.2. Figure 6.3 – Efficacité du vent galactique en fonction de la masse totale des galaxies. Le paramètre fth détermine la fraction d’énergie mécanique produite par les étoiles qui est utilisée pour produire le vent galactique. Les deux couleurs représentent les deux types de comportement en ce qui concerne la variation de l’efficacité du vent galactique d’une galaxie à l’autre. À l’aide du MSA semi-ouvert présenté au chapitre 5, nous avons simulé l’évolution de plusieurs galaxies afin de comparer nos prédictions avec les observations. Chaque galaxie se forme à z = 10, possède une masse totale différente et évolue durant environ 13 milliards d’années jusqu’à z = 0. Motivés par les résultats présentés dans la section 5.5.6, nous avons varié le paramètre fth d’une galaxie à l’autre (Figure 6.3). Pour l’instant, nous utilisons une variation linéaire (la courbe noire) de l’efficacité du vent galactique en fonction de la masse totale Mvir des galaxies. Nous reviendrons sur l’efficacité bimodale (la courbe bleue) dans les prochaines sections. Comme le montre la Figure 6.4, les prédictions du MSA semi-ouvert sont décalées par rapport aux relations statistiques. Bien que ces prédictions concordent avec certaines simulations hydrodynamiques et certaines galaxies individuelles, le MSA forme environ 10 fois trop d’étoiles par rapport aux relations visées. Les deux prochaines sections montrent comment l’introduction de l’accrétion du MIG peut aider le MSA à mieux reproduire les relations statistiques, et ce, sans devoir modifier les paramètres libres. 145 Figure 6.4 – Comparaison entre les prédictions du MSA semi-ouvert et la relation observée entre M⋆ et MHMS à z = 0. Les références associées aux différents symboles sont données dans la Figure 6.2. Le MSA semi-ouvert n’inclut pas l’accrétion provenant du MIG. 6.2 Accrétion du MIG Pour faire la transition entre le MSA semi-ouvert (Figure 5.1) et le MSA ouvert (Figure 6.1), nous utilisons le taux d’accrétion de matière sombre de Fakhouri et al. (2010) qui a été dérivé à partir de la simulation Millenium-II (Boylan-Kolchin et al. 2009), ṀHMS = 46.1 MHMS 1012 M⊙ 1.1 1/2 × (1 + 1.11z) (Ω0 (1 + z)3 + λ0 ) [M⊙ yr−1 ]. (6.1) Cette relation empirique, développée de manière numérique, nous renseigne sur la quantité moyenne de matière sombre qui s’ajoute à un halo en fonction de sa masse MHMS et du décalage vers le rouge z. Puisque cette équation représente une moyenne sur tous les halos de matière sombre de la simulation Millenium-II, l’accrétion se fait donc en douceur. Cela signifie que les effets des collisions majeures qui se produisent dans la simulation sont adoucis et imperceptibles dans la croissance de la masse des halos. En d’autres mots, les taux d’accrétion ne possèdent pas de discontinuité (Figure 6.5). Comme le montre cette dernière figure, les galaxies augmentent significativement leur masse durant les premiers moments de leur évolution (voir également McBride et al. 2009; Faucher-Giguère et al. 2011; Tillson et al. 2011). Nous référons le lecteur 146 à la section 8.4.7 pour plus de détails sur l’implantation de cette équation dans notre modèle. Figure 6.5 – Évolution de la masse du halo de matière sombre des galaxies en fonction du décalage vers le rouge. Chaque ligne représente une masse MHMS initiale différente. L’évolution de la masse de chaque halo de matière sombre a été générée à l’aide de l’équation (6.1). À chaque pas de temps ∆t durant l’évolution d’une galaxie, nous augmentons la masse du halo de matière sombre de la manière suivante : MHMS (t + ∆t) = MHMS (t) + ṀHMS (t)∆t. (6.2) Nous supposons que les paramètres fondamentaux du système virialisé, soient Rvir , Vvir et Tvir , sont recalculés à chaque pas de temps à partir du nouveau MHMS . Cette opération est nécessaire, car sinon une galaxie à z = 0 pourrait se retrouver avec la configuration compacte d’une galaxie 100 fois moins massive associée à un décalage vers le rouge de 10 (voir Figure 6.5). Ensuite, en supposant que la matière baryonique suit le mouvement de la matière sombre dans l’Univers, nous ajoutons également des baryons au système à chaque pas de temps. Sachant que Mvir = Mbar + MHMS , nous avons que le taux d’accrétion de baryon est donné par Mbar Ωb,0 = Mvir Ω0 −→ Ṁbar = ṀHMS −1 Ω0 . −1 Ωb,0 (6.3) Nous supposons que le gaz accrété possède une composition primordiale. L’utilisation des équations (6.1) et (6.3) est cependant temporaire, car lorsque le MSA sera couplé à une simulation hydrodynamique cosmologique, cette dernière fournira au modèle le taux d’accrétion 147 ainsi que la composition de la matière accrétée par chacune des galaxies. De plus, l’accrétion de matière pourra dans ce cas dépendre du type d’environnement dans lequel seront plongées les galaxies. Figure 6.6 – Effet de l’accrétion du MIG sur la masse stellaire d’une galaxie possédant un halo de matière sombre de 1011 M⊙ à la fin d’une simulation. Les lignes rouge et noire montrent respectivement les résultats avec et sans accrétion du MIG, et sont donc associées respectivement aux MSAs ouvert et semi-ouvert. Le panneau du haut illustre l’évolution de la masse du halo de matière sombre normalisée sur sa valeur actuelle, à z = 0, en fonction du temps. Le temps t = 0 correspond à la formation des galaxies. Les panneaux du milieu et du bas montrent respectivement l’évolution de la masse stellaire ainsi que celle de la masse stellaire normalisée en fonction du temps. 148 6.3 Réduction de la masse stellaire La Figure 6.6 montre à quel point l’évolution d’une galaxie est modifiée lorsque l’accrétion du MIG est incluse. Avec cette accumulation de matière, une galaxie qui possède aujourd’hui un halo de matière sombre de 1011 M⊙ était environ 100 fois moins massive lors de sa formation (panneau du haut). Or, durant les premiers temps de son évolution, cette galaxie (lignes rouges) a donc formé approximativement 100 fois moins d’étoiles (panneau du milieu) que si elle avait toujours été aussi massive (lignes noires). Comme le montre le panneau du bas de la Figure 6.6, inclure l’accrétion du MIG permet à une galaxie d’étaler sa production d’étoiles dans le temps, au lieu de la concentrer au début de son évolution. D’ailleurs, selon les panneaux du haut et du bas de la Figure 6.6, l’assemblage de la masse stellaire d’une galaxie à travers le temps semble suivre de près l’évolution de la masse de son halo de matière sombre. Au final, moins d’étoiles seront formées lorsque l’accrétion du MIG est considérée, car une galaxie n’atteindra sa masse maximale qu’à la fin de son évolution. Il est bien de rappeler à ce point-ci que nous comparons deux galaxies qui ont le même halo de matière sombre, mais à z = 0 seulement. Ainsi, contrairement à une galaxie qui n’accrète pas de matière et qui bénéficie de son plein potentiel de gaz tout au long de sa vie, une galaxie qui accumule progressivement son gaz aura, dans un sens, moins de temps pour l’utiliser et pour former des étoiles. L’accrétion ne nuit donc pas directement à la formation stellaire comme le fait un vent galactique, mais réduit tout de même la quantité d’étoiles d’une galaxie en contrôlant son apport en gaz. Comme le démontre la Figure 6.7, l’accrétion du MIG améliore grandement l’accord entre les prédictions de notre modèle et les relations statistiques. Il est important de rappeler que nous ne pouvons pas reproduire la masse stellaire observée dans les galaxies de masses supérieures à MHMS ∼ 1012 M⊙ , car nous ne considérons pas encore la présence d’un NAG dans nos MSAs. 6.4 Efficacité de la rétroaction Malgré l’amélioration engendrée par notre MSA ouvert, la Figure 6.7 montre que nos prédictions dévient des relations statistiques pour les galaxies ayant des halos de matière sombre entre 1011 et 1012 M⊙ . Mais, comme en témoigne la Figure 6.8, cet écart peut être réduit en utilisant une variation bimodale de fth , l’efficacité du vent galactique, en fonction de la masse des galaxies (voir Figure 6.3). Cela signifie que la puissance des vents galactiques devrait, selon notre modèle, chuter soudainement lorsque la masse totale d’une galaxie devient supérieure à 1010 M⊙ . Mais, bien que l’utilisation du paramètre fth soit motivée par un phénomène physique, sa dépendance en Mvir est relativement arbitraire (voir la section 5.5.6). Nous avons d’ailleurs dérivé cette relation bimodale de manière à reproduire les relations statistiques. Le paramètre fth reste avant tout un paramètre libre. Il est donc essentiel de faire preuve de prudence en ce qui concerne les conclusions tirées d’un MSA. En règle générale, 149 Figure 6.7 – Comparaison entre les prédictions du MSA ouvert et la relation observée entre M⋆ et MHMS à z = 0. Les références associées aux différents symboles sont données dans la Figure 6.2. Les lignes pleines noires et grises illustrent respectivement les prédictions des MSAs ouvert et semi-ouvert, qui possèdent tous deux les mêmes paramètres (voir section 6.1). la valeur ou la variation d’un paramètre libre ne doit pas être considérée comme étant une conclusion. Par exemple, la Figure 6.8 ne signifie pas que l’efficacité des vents galactiques chute réellement lorsque la masse totale d’une galaxie devient exactement supérieure à 1010 M⊙ . En effet, comme nous le verrons au chapitre 8, il existe un moyen de reproduire les relations statistiques sans passer par la variation arbitraire d’un paramètre d’efficacité. Puisque nous considérons l’évolution des galaxies de manière globale, nous devons rester général dans nos conclusions. Dans ce cas-ci, une conclusion appropriée serait tout simplement de dire que les galaxies de faible masse ont probablement une rétroaction stellaire plus efficace que dans le cas des galaxies massives. Un paramètre d’efficacité tel que fth pour gérer la puissance d’un vent galactique est actuellement utilisé dans pratiquement tous les MSAs qui se retrouvent dans la littérature. Les résultats présentés dans ce chapitre et celui qui précède suggèrent que ce type de paramètre devrait varier en fonction de la masse des galaxies. Pour un vent galactique propulsé à l’énergie mécanique des étoiles, ce qui est notre cas, la fraction d’énergie disponible utilisée pour 150 Figure 6.8 – Effet de la variation de l’efficacité du vent galactique, en fonction de la masse totale d’une galaxie, sur les prédictions générées par le MSA ouvert en ce qui concerne la relation M⋆ − MHMS . Les références associées aux différents symboles sont données dans la Figure 6.2. Les lignes grises et noires montrent respectivement nos prédictions en utilisant des comportements linéaire et bimodale (voir Figure 6.3) pour varier l’efficacité du vent galactique. produire ce vent doit dépendre de la fraction d’énergie perdue par le refroidissement radiatif à l’intérieur des bulles interstellaires (voir section 1.3.2). Dans le prochain chapitre, nous allons présenter comment la physique des bulles interstellaires a été implantée dans notre MSA dans le but de suivre l’évolution de cette perte d’énergie radiative. Cela nous permettra entre autres de calculer directement la quantité d’énergie mécanique utilisée pour produire les vents galactiques, ce qui par conséquent éliminera la nécessité d’utiliser le paramètre fth . 151 Chapitre 7 Bulles interstellaires Les bulles interstellaires produites par les étoiles massives sont à la source de la propulsion des vents galactiques dans les galaxies de faible masse. Le but d’introduire l’évolution de ces bulles dans notre modèle est d’améliorer le mécanisme de rétroaction stellaire. Pour l’instant, le paramètre fth a été utilisé pour fixer la fraction d’énergie stellaire utilisée pour éjecter une partie du MIS dans le halo d’une galaxie. Mais, puisqu’il s’agit d’un paramètre libre, il est difficile de bien représenter la rétroaction réelle qui se produit à l’intérieur des galaxies. À ce point-ci, il est bien de rappeler que nous sommes limités dans le réalisme que nous pouvons donner à notre modèle. En effet, puisque notre MSA ne possède pas d’information sur la structure interne d’une galaxie et sur le déplacement du gaz à l’intérieur du MIS, nous sommes dans un sens condamnés à utiliser des suppositions et à simplifier la réalité. Mais, comme nous le verrons dans le chapitre 8, sans nécessairement reproduire la complexité du MIS, il est tout de même possible, à l’aide des bulles, de rendre la production de vents galactiques dépendante des conditions générales des galaxies. De plus, puisque ces conditions se modifient au cours de l’évolution d’une galaxie, l’efficacité de ces vents, l’équivalent du paramètre fth , pourra alors dépendre du temps, ce qui n’est pas le cas des MSAs qui se retrouvent dans la littérature. Ce chapitre présente entre autres comment générer analytiquement une bulle et une superbulle. L’évolution simultanée de plusieurs superbulles à l’intérieur d’une galaxie, ainsi que leurs effets de rétroaction, sont présentés au chapitre 8. 7.1 Évolution d’une bulle Dans le cadre de ce projet de doctorat, nous utilisons les équations dérivées des travaux de Castor et al. (1975) et de Weaver et al. (1977) afin de suivre analytiquement l’évolution interne des bulles. Ces équations, présentées plus bas, sont conçues à la base pour représenter une bulle produite par le vent stellaire d’une seule étoile massive. La Figure 7.1 présente les trois zones importantes impliquées dans l’évolution d’une bulle. Au centre, nous avons la zone A, qui correspond à l’injection de matière par le vent stellaire. La matière éjectée rencontre 153 éventuellement suffisamment de résistance pour produire un choc qui élève la température du gaz au-delà de 106 K. Il s’agit là de la région B. En prenant de l’expansion, en raison de l’excès de pression par rapport au MIS ambiant, cette région balaie sur son passage le gaz interstellaire environnant (région C). Figure 7.1 – Structure interne d’une bulle interstellaire. Cette figure est inspirée de la Figure 1 de Weaver et al. (1977). L’évolution temporelle d’une bulle est décomposée en trois phases. Durant la première, les zones B et C sont chauffées par les ondes de choc qui se propagent à partir des rayons R1 et RB . Ces deux zones prennent de l’expansion de manière adiabatique, ce qui n’implique aucun échange de chaleur avec le MIS ambiant. La durée de cette phase est très courte par rapport au temps de vie d’une bulle, car la zone C qui contient le MIS balayé est très dense et se refroidit en quelques milliers d’années seulement. Lorsque la zone C s’effondre sur elle-même en raison du refroidissement, la bulle prend alors la forme d’une coquille mince pressurisée, ce qui représente la début de la deuxième phase d’évolution. La majorité de la masse d’une telle bulle se retrouve à la surface de la coquille. La zone B, quant à elle, est à ce moment très chaude mais peu dense. La troisième et dernière phase d’évolution s’entame lorsque la zone B perd son excès de pression en raison du refroidissement radiatif. La durée de la seconde phase dépend donc de la capacité de la bulle à se refroidir. La position du rayon R1 (voir la Figure 7.1) est déterminée par l’équilibre entre la pression thermique de la zone B et la pression dynamique 1 générée par l’éjecta stellaire dans la zone A. Ainsi, lorsque la bulle perd de la 1. La pression dynamique est la pression générée par un fluide en mouvement. 154 pression, le rayon R1 se rapproche du rayon RB , qui est approximativement égal au rayon R2 . À la fin de la seconde phase d’évolution, c’est-à-dire lorsque la bulle est complètement refroidie, le rayon R1 rejoint complètement le rayon RB et la bulle continue de croître par l’injection directe de quantité de mouvement en provenance de l’éjecta stellaire. 7.1.1 Expansion adiabatique Durant la première phase, le taux d’injection d’énergie mécanique Lmec domine complètement la perte d’énergie provenant du refroidissement radiatif. Dans ces conditions, selon Weaver et al. (1977), l’évolution temporelle du rayon effectif de la bulle, ainsi que de sa vitesse d’expansion, se calcule de la manière suivante : R2 (t) = α 3α Ṙ2 (t) = 5 Lmec t3 ρfroid 1/5 Lmec ρfroid t2 (7.1) , 1/5 , (7.2) où α = 0.88 et ρfroid est la densité moyenne du MIS ambiant. Pour ce chapitre uniquement, le temps t fait référence à l’âge d’une bulle, et non à l’âge d’une galaxie tel qu’impliqué dans les chapitres précédents. Le rayon R1 , associé à la transition entre la zone d’injection A et la zone pressurisée B, est donné par 3/2 R1 (t) = 0.90α Ṁ ρfroid !3/10 v 1/10 t2/5 , (7.3) où Ṁ et v représentent respectivement le taux de perte de masse et la vitesse d’éjecta de l’étoile qui se situe au centre de la bulle. Durant cette phase, la totalité de l’énergie de la zone B est sous forme d’énergie thermique et représente une fraction de 5/11 de l’énergie mécanique injectée par l’étoile. Dans la zone C, représentant le MIS balayé, le 6/11 restant de l’énergie mécanique se retrouve sous forme d’énergie cinétique à 40.4 % et d’énergie thermique à 59.6 %. Cette phase d’expansion adiabatique se termine lorsque le temps de refroidissement tref,C de la zone C devient similaire à l’âge de la bulle. Nous utilisons ici le même temps de refroidissement défini pour le refroidissement du halo d’une galaxie (voir équation 4.4). Ce temps caractéristique dépend des fonctions de refroidissement fournies par Sutherland & Dopita (1993), qui elles dépendent de la température et de la métallicité du gaz en question. La masse présente dans la zone C correspond à la masse de gaz balayé par la bulle, MC (t) = 4π 3 R (t)ρfroid . 3 2 (7.4) Weaver et al. (1977) ont démontré que RB = 0.86R2 lors de la première phase d’une bulle, ce qui implique que la densité du gaz à l’intérieur du volume VC de la zone C est constante et 155 définie par VC = 4π 3 3 (R2 − RB ), 3 (7.5) ρC = ρfroid MC . = VC 0.36 (7.6) Il ne reste qu’à déterminer la température du MIS balayé afin de pouvoir calculer le temps de refroidissement de cette dernière zone. En supposant un gaz parfait, nous avons la relation P V = N kB T = ρV kB T, µmH (7.7) où kB , µ, mH et N représentent respectivement la constante de Boltzmann, le poids moléculaire moyen, la masse d’un atome d’hydrogène et le nombre de particules dans le gaz en question. La pression P d’un gaz est reliée à son énergie thermique interne Eth de la manière suivante : P = (γ − 1) Eth , V (7.8) où γ est le ratio des capacités calorifiques qui est égal à 5/3 dans le cas d’un gaz monoatomique. Ainsi, en combinant les équations (7.7) et (7.8), nous obtenons T = 2 Eth µmH . 3 kB ρV (7.9) Sachant que l’énergie thermique de la région C représente 59.6 % de la fraction 6/11 de l’énergie mécanique injectée par l’étoile centrale, nous pouvons ainsi calculer la température et donc le temps de refroidissement tref,C de la zone balayée en fonction du temps t. Nous pouvons ainsi évoluer toutes ces équations dans le temps jusqu’à ce que l’âge de la bulle égale le temps de refroidissement, ce qui correspondra à la durée τ1 de la phase d’expansion adiabatique. 7.1.2 Approximation de l’expansion adiabatique Résoudre la première phase d’expansion d’une bulle interstellaire est très demandant en temps de calcul. En effet, puisque sa durée n’est que de quelques milliers d’années, le pas de temps ∆t d’une simulation doit être bien inférieur à mille années. Afin de réduire le temps de calcul de cette phase, nous avons utilisé une approximation basée sur les travaux de Avedisova (1972) et de Falle (1975). Selon Avedisova (1972), la durée τ1 augmente lorsque la densité du milieu ambiant diminue, ce qui est logique, puisque la densité du MIS détermine le taux de refroidissement du gaz. Selon Falle (1975), la phase d’expansion adiabatique se termine lorsque la vitesse du choc devient inférieure à 200 km s−1 . Cette vitesse de choc fait référence 156 à la vitesse d’expansion Ṙ2 d’une bulle et est donnée par l’équation 7.2. Ainsi, en égalant Ṙ2 à 200 km s−1 , nous pouvons calculer la valeur de τ1 en fonction de la densité du milieu et de la luminosité mécanique de l’étoile centrale, τ1 = 7.1.3 s Lmec ρfroid 3α 1000 km s−1 5 . (7.10) Coquille mince pressurisée En connaissant la durée de la phase d’expansion adiabatique, nous pouvons calculer les conditions initiales de la seconde phase d’évolution, soit celle de la coquille mince pressurisée. Le rayon R2 , la vitesse d’expansion Ṙ2 ainsi que le rayon interne R1 s’obtiennent en substituant le temps t par la durée τ1 dans les équations (7.1), (7.2) et (7.3). Ensuite, sachant que l’énergie thermique Eth à l’intérieur de la coquille à la fin de la première phase représente une fraction de 5/11 de l’énergie mécanique totale injectée par l’étoile, nous avons Eth,B (τ1 ) = 5 Lmec τ1 . 11 (7.11) Puisque le MIS balayé s’est désormais effondré sur lui-même pour former une mince couche de gaz, nous pouvons supposé que RB ≈ R2 , ce qui nous permet de calculer le volume de la zone B de la manière suivante : VB = 4π R23 − R13 . 3 (7.12) Maintenant que le volume de l’intérieur de la bulle pressurisée est connu, nous pouvons calculer sa pression et température internes à l’aide des équations (7.8) et (7.9). Initialement, la masse qui se retrouve à l’intérieur de la bulle, c’est-à-dire dans la zone B, est donnée par la masse totale éjectée par l’étoile centrale durant la première phase d’expansion 2 , MB (τ1 ) = Ṁ τ1 . (7.13) Par la suite, suivant Castor et al. (1975), la variation de cette masse chaude est calculée en ajoutant l’éjecta stellaire en plus du gaz provenant du côté interne de la couche mince froide qui se fait évaporer par conduction thermique, ṀB = Ṁ + 16π µ 5/2 CTB R2 , 25 kB (7.14) 2. Il s’agit d’une approximation, car en réalité, une fraction des éjectas se retrouve également dans la zone d’injection, bien que cette fraction ne soit pas significative. 157 où C = 1.2 × 10−6 erg cm−1 s−1 K−7/2 (voir Spitzer 1962). Au cours de l’évolution d’une bulle, bien que l’évaporation de la coquille devienne la source dominante du gain de masse à l’intérieur de la bulle, cette évaporation ne représente qu’une perte de masse négligeable pour la coquille mince qui continue de balayer le MIS. L’évolution de l’énergie thermique interne d’une bulle est déterminée par l’injection d’énergie stellaire, le travail effectué sur la coquille qui prend de l’expansion et le refroidissement radiatif, Ėth,B = Lmec − 4πR22 PB Ṙ2 − Lref . (7.15) La quantité d’énergie perdue par le refroidissement radiatif est proportionnelle à la fonction de refroidissement normalisé ΛN (T, Z) = Λnet (T, Z)/n2 , en erg s−1 cm3 , où n est la densité de particules du gaz en question, en cm−3 (voir Sutherland & Dopita 1993). Ce taux de refroidissement est donc donné par Lref = ΛN (TB , ZB ) ρB µmH 2 VB = ΛN (TB , ZB ) MB2 , VB (µmH )2 (7.16) où ZB représente la métallicité du gaz à l’intérieur de la bulle qui est déterminée par le mélange du gaz évaporé en provenance du MIS et des métaux éjectés par l’étoile centrale. En général, puisque le MIS possède une métallicité inférieure à celle du gaz provenant de la zone d’injection, l’évaporation a tendance à diluer les métaux contenus dans les éjectas et à diminuer ainsi la métallicité à l’intérieur d’une bulle interstellaire. Afin de déterminer l’évolution du volume VB , nous devons tout d’abord suivre l’évolution du rayon interne R1 qui délimite la zone d’injection de la zone pressurisée. Ce rayon détermine la position de l’onde de choc et est calculé en utilisant les conditions de Rankine-Hugoniot (Lequeux 2002). Afin d’assurer la conservation de la quantité de mouvement à travers le choc situé au rayon R1 , nous utilisons la relation suivante : 2 2 PA + ρA vA = PB + ρB vB . (7.17) Selon Lequeux (2002), en supposant un choc fort où la pression de la zone B est beaucoup plus grande que celle de la zone A, la densité ρ et la vitesse v des deux zones sont reliées de la manière suivante : 158 ρB γ+1 = 4, = γ−1 ρA (7.18) vB 1 = . 4 vA (7.19) Ainsi, avec ces conditions, l’équation (7.17) se réduit à 2 PB = ρA vA − 4ρA v 2 A 4 3 2 = ρA vA . 4 (7.20) Dans cette dernière équation, le référentiel du système se situe à la frontière R1 qui sépare la zone A de la zone B. Puisque ce référentiel est en déplacement avec une vitesse Ṙ1 , vA représente donc la vitesse relative entre celle de l’éjecta stellaire v et celle du déplacement de la zone de choc. Par conséquent, la vitesse vA doit être remplacée par v − Ṙ1 . Pour déterminer la densité ρA , nous devons utiliser une équation qui décrit le flux de matière à travers la surface sphérique S qui délimite les deux zones en question, Ṁ = ρA v ′ S = 4πρA v ′ R12 , (7.21) où Ṁ représente le taux de perte de masse de l’étoile centrale. En considérant que R1 est en déplacement, la vitesse v ′ est encore une fois remplacée par v − Ṙ1 . En isolant la densité ρA dans l’équation (7.21) et en la substituant dans l’équation (7.20), nous obtenons ainsi une relation entre la pression de la zone B et la vitesse de déplacement Ṙ1 , PB = 3 Ṁ (v − Ṙ1 ) . 4 4πR12 (7.22) Mais dans le cas d’une superbulle galactique à grande échelle, Samui et al. (2008) proposent, sans dérivation mathématique, la solution PBS08 = 3 Ṁ (v − Ṙ1 )2 . 4 4πvR12 (7.23) D’un autre côté, selon Weaver et al. (1977), la solution serait PBW77 = 3 Ṁ v . 4 4πR12 (7.24) Cela donne l’impression que Samui et al. (2008) ont considéré le déplacement de R1 pour la vitesse vA , mais pas pour la vitesse v ′ de l’équation (7.21). De leur côté, Weaver et al. (1977) utilisent la même vitesse pour vA et v ′ , mais ne semblent pas considérer le déplacement de R1 . Nous croyons cependant qu’il est préférable de considérer le déplacement de R1 dans la description de ces deux vitesses. Pour cette raison, nous conservons l’équation (7.22). À partir de cette dernière relation, la vitesse de déplacement du rayon R1 est donc donnée par Ṙ1 = v − 16πPB R12 . 3Ṁ (7.25) Nous avons maintenant tous les ingrédients nécessaires qui nous permettent de suivre l’évolution temporelle d’une bulle. Le taux de variation de la quantité de mouvement de la coquille 159 mince est donné par l’équation suivante (voir Weaver et al. 1977) : d (MC Ṙ2 ) = 4πR22 (PB − Pext ), dt (7.26) où Pext représente la pression du milieu externe qui contraint l’expansion de la bulle, et est donné par Pext = ρfroid kB Tfroid . µmH (7.27) Nous supposons pour l’instant que la température Tfroid du milieu ambiant est égale à 104 K, car l’environnement stellaire devrait préalablement être ionisé par la radiation de l’étoile centrale avant l’apparition de la bulle. La masse MC de l’équation (7.26) est calculée en supposant que la majorité du MIS balayé se retrouve à la surface de la coquille mince, et non à l’intérieur de la bulle (voir Tegmark et al. 1993), MC ≈ 4π 3 R ρfroid . 3 2 (7.28) En dérivant le côté gauche de l’équation (7.26) par rapport au temps, nous obtenons d dt 4π 3 R ρfroid Ṙ2 3 2 R2 R̈2 4πρfroid 2 2 3R2 Ṙ2 + R23 R̈2 = 4πR22 ρfroid Ṙ22 + = 3 3 ! . (7.29) En substituant cette dernière relation dans le côté gauche de l’équation (7.26), nous pouvons enfin isoler l’accélération R̈2 associée à l’expansion de la bulle, 3 R̈2 = R2 PB − Pext 2 − Ṙ2 . ρfroid (7.30) Tout le système d’équations décrit dans cette section est avancé dans le temps en utilisant une série de pas de temps ∆t. La liste chronologique des opérations à chaque temps t est la suivante : 1) R2 et Ṙ2 sont avancés simultanément 3 à partir de R̈2 , 2) calcul du nouveau taux de refroidissement Lref (équation 7.16), 3) Eth,B (t + ∆t) = Eth,B (t) + Ėth,B ∆t (équation 7.15), 4) calcul de la nouvelle pression PB (équation 7.8), 5) R1 (t + ∆t) = R1 (t) + Ṙ1 (t)∆t (équation 7.25), 6) calcul du nouveau volume VB (équation 7.12), 7) MB (t + ∆t) = MB (t) + ṀB (t)∆t (équation 7.14), 8) calcul de la nouvelle température TB (équation 7.9). 3. Nous utilisons le schéma d’intégration Runge-Kutta d’ordre 2. 160 À chaque pas de temps, le calcul de la nouvelle pression PB en 4) implique qu’il faut connaître le nouveau volume VB . Mais pour connaître ce volume, il faut d’abord connaître le nouveau rayon R1 , qui lui dépend de la nouvelle pression PB . Idéalement, pour être plus rigoureux, un processus itératif devrait être instauré dans le but de faire converger simultanément PB , VB et R1 . Mais comme nous le verrons dans les prochaines sections, une bonne résolution temporelle élimine la nécessité d’utiliser un processus itératif. 7.1.4 Coquille mince froide Une bulle entre dans sa dernière phase d’évolution lorsque l’intérieur de sa coquille est complètement refroidi. Il y a trois conditions possibles dans notre modélisation qui mènent à cette situation, soient lorsque la température TB devient inférieure à Tfroid , lorsque le rayon R1 rejoint le rayon R2 , et lorsque la taille de la bulle commence à rétrécir. Aussitôt qu’une de ces trois conditions est respectée, la bulle n’est plus considérée comme étant pressurisée. La troisième condition signifie simplement que la pression du milieu ambiant est devenue supérieure à la pression interne de la bulle. En théorie, selon Weaver et al. (1977), une bulle dépressurisée devrait continuer de prendre de l’expansion en absorbant, du côté interne de sa coquille, de la quantité de mouvement en provenance de l’éjecta stellaire. Inspiré par Lagos et al. (2013), le taux de variation de la quantité de mouvement de la coquille devient donc, dans ce cas-ci, d (MC Ṙ2 ) = Ṁ (v − Ṙ2 ) − 4πR22 Pext . dt (7.31) De manière similaire à la section précédente, le terme d’accélération est obtenu en substituant l’équation (7.29) dans le côté gauche de l’équation (7.31), R̈2 = 3 ρfroid R2 Ṁ (v − Ṙ2 ) − Pext − ρfroid Ṙ22 4πR22 ! . (7.32) Puisque la source de l’expansion est désormais la quantité de mouvement, seule l’étape 1) de la liste des opérations présentée dans la section précédente est nécessaire afin de suivre l’évolution dans le temps du rayon R2 et de la vitesse Ṙ2 de la bulle. Cependant, cette phase évolutive n’est présentée qu’à titre informatif, car nous l’ignorons dans notre MSA. Le but d’introduire la physique des bulles interstellaires dans le MSA est de pouvoir l’utiliser pour produire les vents galactiques propulsés à l’énergie mécanique. Bien qu’une bulle puisse continuer à prendre de l’expansion après s’être dépressurisée, nous supposons qu’il est peu probable que de telles bulles puissent éventuellement contribuer significativement à la production de vents galactiques à l’échelle d’une galaxie. De plus, la coquille d’une bulle dépressurisée peut perdre son élan simplement en rencontrant une structure de gaz se déplaçant en direction contraire, ce qui n’est pas le cas lorsque l’accélération d’une bulle est engendrée par sa pression thermique interne. 161 7.2 Évolution d’une superbulle Afin de pouvoir introduire la physique des bulles interstellaires dans notre MSA, nous devons en premier lieu pouvoir générer des superbulles, c’est-à-dire des bulles produites par la contribution de plusieurs étoiles, au lieu de la contribution d’une seule. Ainsi, chaque population d’étoiles qui se crée dans notre MSA pourra produire sa propre superbulle dans le but de créer de la rétroaction stellaire. Avec la série d’équations que nous venons de présenter, nous n’avons besoin que d’un taux d’injection d’énergie mécanique Lmec et d’un taux de perte de masse Ṁ pour calculer l’évolution d’une bulle. Une superbulle peut donc être produite en utilisant simplement les taux d’injection Lmec et Ṁ provenant d’une population d’étoiles complète, tels que dérivés dans les sections 2.5.2 et 4.4. Bien entendu, cela suppose que l’énergie mécanique de toutes les étoiles se combine pour ne produire qu’une seule source d’énergie centrale. 7.2.1 Superbulle de référence La Figure 7.2 présente l’évolution d’une superbulle générée par une population d’étoiles 4 de 106 M⊙ ayant une métallicité solaire en fonction de la densité du MIS, qui possède dans ce cas-ci une composition primordiale. Comme le démontre cette dernière figure, la densité du MIS joue un rôle de premier plan dans l’évolution des bulles 5 . La durée et le rayon final d’une bulle (panneau du haut) augmentent lorsque la densité ambiante diminue, car le milieu offre alors moins de résistance au mouvement d’expansion. Durant la phase d’injection d’énergie, qui représente les premiers 40 millions d’années d’évolution d’une bulle, les étoiles maintiennent le gaz pressurisé à des températures au-delà de 106 K (panneau du bas), ce qui est consistant avec les températures attendues pour un gaz qui a subi un choc. Lorsque la température interne tombe en dessous de 106 K, suite au mouvement d’expansion du gaz (loi des gaz parfaits), le refroidissement radiatif devient très efficace, ce qui provoque l’arrêt de la phase pressurisée. Comme le démontre le panneau du milieu de la Figure 7.2, l’énergie mécanique totale injectée par la population d’étoiles centrale (ligne verte) n’est jamais convertie à 100 % en énergie thermique interne. En effet, durant le premier stade d’évolution d’une bulle, lorsque l’expansion est adiabatique, 32.5 % de l’énergie stellaire se retrouve dans le MIS balayé sous forme d’énergie thermique. Cette énergie est perdue en radiation lorsque le MIS balayé s’effondre pour former une coquille mince, ce qui enclenche le deuxième stade d’évolution d’une bulle. Au début de ce second stade, l’énergie thermique interne ne représente que 45.5 % de l’énergie totale injectée, puisque le 22 % restant est associé à l’énergie cinétique de la coquille. Par la suite, une partie de l’énergie stellaire est toujours utilisée dans le travail fait sur la coquille pour qu’elle puisse prendre de l’expansion (voir équation 7.15), ce qui explique pourquoi l’énergie 4. Nous rappelons au lecteur que nous faisons référence à une population stellaire lorsque les étoiles se forment à partir d’un sursaut instantané de formation stellaire. 5. Afin de simplifier la lecture, nous utilisons désormais le terme bulle pour désigner une superbulle. 162 Figure 7.2 – Évolution temporelle du rayon (panneau du haut), de l’énergie thermique interne (panneau du milieu) et de la température interne (panneau du bas) d’une superbulle produite par une population d’étoiles de 106 M⊙ . La métallicité des étoiles est égale à 0.02, la valeur solaire, alors que le MIS ambiant possède une composition primordiale. Les différentes couleurs représentent différentes densités ambiantes utilisées dans le calcul de l’évolution des superbulles. La ligne verte illustre le cumul de l’énergie mécanique produite par les étoiles. À la fin de l’évolution de chaque bulle, nous avons fait chuter artificiellement son rayon afin de mieux visualiser sa valeur finale. thermique interne des bulles présentée dans la Figure 7.2 ne rejoint jamais les valeurs données par la courbe verte. La divergence progressive entre l’énergie thermique des bulles et l’énergie mécanique des étoiles en fonction du temps montre déjà le potentiel de l’utilisation des bulles en ce qui concerne le remplacement du paramètre d’efficacité fth dans notre MSA. 163 7.2.2 Métallicité des étoiles La métallicité des étoiles est un facteur important à considérer dans l’évolution d’une bulle interstellaire, car elle détermine le niveau de contribution des vents stellaires, ainsi que la manière dont l’énergie mécanique est distribuée dans le temps. La Figure 7.3 montre que lorsque les vents stellaires participent au développement d’une bulle (lignes pointillées), la durée et le rayon final de cette bulle ont tendance à augmenter. En effet, les vents stellaires ajoutent de l’énergie mécanique, ce qui permet d’augmenter le potentiel de croissance d’une bulle. De plus, ces vents réduisent la densité du gaz avant l’arrivée des SNe II, ce qui permet de minimiser la quantité d’énergie perdue via le refroidissement radiatif. En effet, l’énergie mécanique injectée par les SNe II résiste davantage au refroidissement lorsque l’énergie est déposée à l’intérieur d’une bulle de faible densité que dans un MIS dense. L’effet des vents stellaires est cependant moins prononcé lorsque la métallicité des étoiles diminue, puisque la puissance de ces vents dépend de la quantité de métaux présents à la surface des étoiles. Figure 7.3 – Évolution temporelle du rayon d’une superbulle produite par une population d’étoiles de 106 M⊙ en fonction de la métallicité des étoiles. Le MIS ambiant possède une densité de particules de 0.1 cm−3 et une composition primordiale. Les différentes couleurs représentent différentes métallicités stellaires. Les lignes pleines illustrent les résultats lorsque seules les SNe II ont été utilisées pour gonfler les superbulles, alors que les lignes pointillées montrent l’effet de la contribution des vents stellaires avant l’arrivée des SNe II. Comme le montre la Figure 7.3, la manière dont l’énergie des SNe II est distribuée dans 164 le temps (Figure 7.4) a un effet tout aussi important que la présence des vents stellaires sur l’évolution d’une bulle. Globalement, plus l’énergie des SNe II est distribuée sur une longue période de temps, plus une bulle aura tendance à devenir volumineuse 6 . Il s’agit là d’une tendance et non d’une dépendance directe. En effet, même si la durée des SNe II est plus longue pour Z = 0.02 que pour Z = 0.004 (Figure 7.4), la bulle est plus volumineuse dans le cas de Z = 0.004 lorsque la contribution des vents stellaires est enlevée. L’évolution d’une bulle n’est pas seulement sensible à la distribution de l’énergie mécanique dans le temps, mais également à la métallicité contenue dans les éjectas stellaires. En effet, une plus grande concentration de métaux augmentera en général l’efficacité du refroidissement radiatif. Figure 7.4 – Luminosité mécanique des SNe II en fonction du temps pour une population stellaire de 106 M⊙ . Les différentes couleurs représentent différentes métallicités stellaires. 7.2.3 Masse des populations d’étoiles La Figure 7.5 montre l’évolution des bulles produites par des populations stellaires de masses différentes. Comme le montre cette figure, une population stellaire 10 fois plus massive produira 10 fois plus d’énergie mécanique, mais n’augmentera le rayon de sa bulle que par un facteur de l’ordre de 101/3 ≈ 2.15. Cela s’explique par le fait que l’énergie est distribuée dans un volume sphérique qui est proportionnel à R23 . L’équation (7.30) montre d’ailleurs qu’il est plus 6. Nous avons également tiré cette conclusion dans Côté et al. (2012) pour un vent galactique à grande échelle en forme de coquille mince. 165 difficile d’accélérer une bulle lorsqu’elle est volumineuse. Dans le cas des populations stellaires de 105 et de 104 M⊙ , la Figure 7.5 montre que les bulles arrêtent soudainement d’évoluer alors qu’une fraction significative d’énergie thermique est pourtant toujours à l’intérieur de ces bulles. Cela est causé par la pression interne des bulles qui devient inférieure à celle du MIS ambiant. Il s’agit là d’un critère implanté dans nos programmes afin d’arrêter l’évolution d’une bulle lorsque sa taille ne risque plus d’augmenter avec le temps. Si le calcul n’est pas arrêté, la bulle va rétrécir, augmenter sa pression interne, se remettre à grossir pour tout recommencer, produisant ainsi un cycle périodique. Mais il s’agit davantage d’un effet numérique que d’un comportement réaliste. Figure 7.5 – Évolution temporelle du rayon (panneau du haut), de l’énergie thermique interne (panneau du milieu) et de la température interne (panneau du bas) d’une superbulle produite par une population d’étoiles de métallicité solaire. Le MIS ambiant possède une densité de particules de 1 cm−3 et une composition primordiale. Les différentes couleurs représentent différentes masses de population stellaire. Les lignes avec des traits illustrent le cumul d’énergie mécanique produite par les populations d’étoiles. 166 7.2.4 Métallicité du MIS Jusqu’à maintenant, nous avons fait évoluer des bulles dans un milieu ambiant dépourvu de métaux. Mais normalement, la métallicité des étoiles massives et celle du milieu ambiant devraient être similaires. Pour une population d’étoiles ayant une métallicité solaire, le fait d’être plongé dans un MIS qui possède également cette composition provoque un changement très drastique dans les résultats (Figure 7.6). Comme le montre cette dernière figure, la durée des bulles est considérablement réduite (lignes pleines) par rapport au cas où le MIS est dépourvu de métaux (lignes en trait). Il est important de rappeler à ce point-ci que la majorité de la masse à l’intérieur d’une bulle provient de l’évaporation de la coquille mince, qui elle est associée au MIS balayé. Par conséquent, si le MIS est riche en métaux, l’intérieur de la bulle le sera aussi, et la température chutera rapidement, car les métaux rendent le refroidissement radiatif plus efficace (e.g. Sutherland & Dopita 1993). En général, comme l’illustre la Figure 7.7, le refroidissement radiatif domine davantage l’évolution d’une bulle lorsque cette dernière est plongée dans un environnement riche en métaux. En effet, le rayon de la bulle plongée dans un MIS de composition solaire (ligne rouge pleine) est inférieur à celui de la bulle plongée dans un gaz primordial (ligne noire pleine), ce qui n’était pas le cas lorsque toutes les bulles étaient plongées dans un MIS dépourvu de métaux (lignes pointillées). 7.3 Approximation analytique Lorsque nous calculons l’évolution des bulles interstellaires à l’aide de notre modèle, il est important que le choix de la résolution temporelle n’affecte pas les résultats. Afin que l’évolution d’une bulle converge toujours vers le même résultat, la durée ∆t des pas de temps doit toujours être inférieure ou égale à une certaine valeur critique ∆tcrit . Mais cette valeur critique dépend de la densité du MIS et du taux d’injection d’énergie des étoiles. Comme le montre la Figure 7.8, peu importe la métallicité des étoiles, lorsque la densité du MIS est supérieure à 1 cm−3 et que la masse des populations stellaires est inférieure à 105 M⊙ , la résolution temporelle utilisée doit être de l’ordre du millier d’années, voire même de la centaine d’années. Mais, dans l’optique où l’évolution des bulles interstellaires doit être introduite dans notre MSA d’évolution de galaxie, il est impensable d’utiliser des ∆t aussi faibles pour le calcul des bulles, car cela augmenterait énormément le temps de calcul. Pour éviter cette situation, nous allons traiter analytiquement une partie de la seconde phase d’évolution d’une bulle en se basant sur les équations de Weaver et al. (1977). Cette idée repose sur le fait qu’une bonne résolution temporelle est nécessaire pour démarrer le développement d’une bulle, mais que cette résolution n’a plus besoin d’être aussi bonne lorsque la bulle atteint une certaine taille. Le but de cette section est donc de dériver des équations qui permettront de fournir analytiquement les conditions d’une bulle après un temps ttrans d’évolution, qui est par définition supérieur à la durée τ1 de la phase d’expansion adiabatique. Par la suite, à partir de ces conditions, l’évolution d’une bulle se poursuivra en utilisant la méthodologie décrite à la section 7.1.3. 167 Figure 7.6 – Évolution temporelle du rayon (panneau du haut), de l’énergie thermique interne (panneau du milieu) et de la température interne (panneau du bas) d’une superbulle produite par une population d’étoiles de 106 M⊙ ayant une métallicité solaire pour différentes densités et métallicités du MIS ambiant. Les différentes couleurs représentent différentes densités ambiantes utilisées dans le calcul de l’évolution des superbulles. Les lignes pleines et en trait illustrent respectivement les résultats lorsque la métallicité du MIS est de 0.02 et de zéro. 7.3.1 Énergie thermique interne Pour utiliser une approximation analytique, nous devons premièrement supposer que les effets du refroidissement radiatif sont négligeables dans les premiers moments d’évolution d’une bulle. Dans de telles conditions, R2 (t) et Ṙ2 (t) sont donnés par les équations (7.1) et (7.2) et la pression interne est définie, selon Weaver et al. (1977), par 7 PB (t) = (3850π)2/5 168 L2mec ρ3froid t4 1/5 . (7.33) Figure 7.7 – Évolution temporelle du rayon d’une superbulle produite par une population d’étoiles de 106 M⊙ en fonction de la métallicité des étoiles et de celle du MIS. Le MIS ambiant possède une densité de particules de 0.1 cm−3 . Les différentes couleurs représentent différentes métallicités stellaires. Les lignes pleines et pointillées illustrent respectivement les résultats lorsque la métallicité du MIS est égale à celle des étoiles et lorsque le MIS possède une composition primordiale. Pour calculer le taux de variation de l’énergie thermique interne, nous utilisons l’équation (7.15), mais cette fois-ci sans le terme associé au refroidissement radiatif, Ėth = Lmec − 4πR22 PB Ṙ2 . (7.34) Connaissant la durée τ1 de la première phase d’évolution (équation 7.10), nous pouvons donc intégrer l’équation précédente par rapport au temps afin de calculer l’énergie thermique interne au temps t, 5 Eth (t) = Lmec τ1 + 11 Z t τ1 Lmec − 4πR22 PB Ṙ2 dt′ . (7.35) Pour simplifier le calcul, nous allons considérer que le taux d’injection d’énergie Lmec est constant durant la phase analytique, ce qui donne 5 Eth (t) = Lmec τ1 + Lmec (t − τ1 ) − 11 Z t τ1 4πR22 PB Ṙ2 dt′ . (7.36) 169 Figure 7.8 – Résolution temporelle nécessaire pour calculer l’évolution d’une superbulle en fonction de la masse de la population stellaire centrale. Les différentes couleurs illustrent les résultats selon la densité du MIS. Les lignes en trait et pleines montrent respectivement les résultats lorsque les métallicités des étoiles et du MIS sont de 0.00 et de 0.02. L’intégrale restante peut être résolue à partir des équations (7.1), (7.2) et (7.33) de la manière suivante, Z t τ1 4πR22 PB Ṙ2 dt = 12π 5 250 308π 3/5 7 Lmec (t − τ1 ), (3850π)2/5 (7.37) où la constante devant Lmec (t − τ1 ) se réduit tout simplement à 5/11. En substituant cette dernière relation dans l’équation (7.36) et en positionnant Lmec en évidence, nous avons Eth (t) = Lmec 5 5 5 5 τ1 + (t − τ1 ) − (t − τ1 ) = Lmec τ1 + 1 − (t − τ1 ) . 11 11 11 11 (7.38) Le premier terme dans cette dernière équation correspond à l’énergie accumulée durant la première phase d’évolution. Dans le second terme, (t − τ1 ) représente le temps passé dans la seconde phase d’évolution qui est traitée de manière analytique, alors que le facteur numérique représente l’énergie totale moins l’énergie perdue dans le travail sur la coquille. En posant fτ ≡ τ1 /ttrans , Lmec ≡ Emec /ttrans et t = ttrans nous obtenons finalement 170 Eth (ttrans ) = Emec (6 − fτ ). 11 (7.39) En considérant les deux cas limites, soit ttrans ≃ τ1 et ttrans ≫ τ1 , l’équation (7.39) démontre qu’entre 5/11 et 6/11 de l’énergie mécanique produite par les étoiles, soit environ 50 %, devrait se retrouver sous forme d’énergie thermique à l’intérieur de la bulle lorsque le refroidissement radiatif est absent. Cela illustre bien l’importance du travail sur la coquille durant l’évolution d’une bulle. 7.3.2 Masse évaporée Nous devons maintenant calculer la quantité de masse qui a été évaporée de la coquille mince après un temps ttrans . Cette quantité est très importante, car elle est déterminante dans le calcul de la densité du gaz pressurisé. Selon Castor et al. (1975), le taux d’évaporation est donné par Ṁev = 16π µmH 5/2 CTB R2 , 25 kB (7.40) Toujours en négligeant le refroidissement radiatif, l’évolution de la température du gaz pressurisé est donnée, selon Weaver et al. (1977), par TB (t) = 710 54 (154π)8 1/35 L8mec ρ2froid C 10 t6 1/35 (7.41) . En substituant les équations (7.41) et (7.1) dans l’équation (7.40), et en intégrant cette dernière par rapport au temps, nous obtenons Mev (t) = 0.3241 16π 25 µmH C 2/7 kB ! 250 308π 1/5 L27 mec ρ2froid 1/35 Z t t′6/35 dt′ , (7.42) (7.43) τ1 ce qui se réduit, au temps ttrans , à Mev (ttrans ) = 0.4244 µmH C 2/7 kB ! L27 mec ρ2froid 1/35 41/35 41/35 ttrans − τ1 . À cette masse évaporée, nous n’avons qu’à ajouter les éjectas stellaires en provenant de la population d’étoiles afin d’estimer la masse totale du gaz pressurisé à la fin du traitement analytique, MB = Mev (ttrans ) + Ṁ ttrans . (7.44) 171 7.3.3 Conditions initiales post-analytiques À la fin de l’approximation analytique, c’est-à-dire après un temps ttrans , le volume occupé par le gaz pressurisé peut se calculer à l’aide de l’équation (7.8), de l’énergie thermique interne (équation 7.39) et de la pression du gaz (équation 7.33). De plus, en utilisant ce volume et le rayon R2 (équation 7.1), il est également possible de calculer le rayon interne R1 à partir de l’équation (7.12). Mais, en pratique, cette opération engendre un volume et un rayon R1 qui divergent significativement des valeurs obtenues à l’aide de la méthodologie décrite dans la section 7.1.3. Cela est probablement en partie causé par le fait que le rayon R1 est négligé dans le développement mathématique effectué pour cette approximation analytique. Pour remédier à ce problème, nous calculons le rayon R1 avec l’équation (7.3). Donc, au lieu de calculer le volume pour calculer R1 , nous calculons le volume à partir de R1 . Ce volume est par la suite utilisé pour calculer la pression et la température de la bulle, Eth , V (7.45) 2 Eth µmH . 3 kB ρV (7.46) P = (γ − 1) T = Comme nous pouvons le constater, les équations (7.33) et (7.41), qui décrivent respectivement l’évolution de la pression et de la température lorsqu’il n’y a pas de refroidissement radiatif, ne sont utilisées que pour donner une estimation de l’énergie thermique et de la masse qui se retrouvent à l’intérieur d’une bulle. Tout cela amène une petite inconsistance, car nous utilisons une température pour calculer une énergie, mais nous utilisons cette énergie pour calculer une autre température. Idéalement, tout ce procédé devrait être inclus dans un processus itératif, mais puisque le but ici est simplement d’estimer les conditions d’une bulle et de réduire le temps de calcul, nous adoptons cette inconsistance. 7.4 Réduction du temps de calcul Avant de déterminer le nouveau ∆tcrit engendré par l’approximation analytique présentée dans la section précédente, nous devons tout d’abord déterminer la durée ttrans de cette approximation. En théorie, plus ttrans est grand, plus ∆tcrit sera grand et plus le temps de calcul sera rapide, puisqu’il y aura alors moins de pas de temps à considérer. Mais il faut toutefois s’assurer de ne pas trop étirer l’approximation analytique dans le temps, car les conditions estimées peuvent éventuellement diverger des conditions calculées avec la méthodologie de la section 7.1.3. La Figure 7.9 montre l’effet du choix de ttrans sur l’évolution d’une bulle produite par une population d’étoiles de 106 M⊙ ayant une métallicité de Z = 0.02. Comme le montre cette figure, l’approximation engendre des résultats très consistants lorsque ttrans est inférieur à 172 10 millions d’années. Cependant, dans le cas d’une bulle produite par une population d’étoiles de 104 M⊙ , la valeur de ttrans devrait plutôt être inférieure à 4 millions d’années (Figure 7.10). Figure 7.9 – Évolution temporelle du rayon (panneau du haut), de l’énergie thermique interne (panneau du milieu) et de la température interne (panneau du bas) d’une superbulle produite par une population d’étoiles de 106 M⊙ ayant une métallicité solaire en fonction de la durée ttrans de l’approximation analytique. Le MIS ambiant possède une densité de particules de 10 cm−3 et une métallicité égale à celle des étoiles, soit Z = 0.02. La courbe noire représente les résultats provenant de la méthodologie présentée à la section 7.1.3, alors que les courbes de couleurs montrent les résultats lorsque l’approximation analytique est utilisée comme conditions initiales, en fonction du choix de ttrans . La Figure 7.11 montre la comparaison entre les valeurs de ∆tcrit obtenues avec (lignes pleines) et sans (lignes en trait) l’utilisation de l’approximation analytique. Comme nous pouvons le constater, la valeur de ∆tcrit augmente significativement lorsque l’approximation analytique est utilisée. Cette approximation nous permet donc de calculer l’évolution d’une 173 bulle en moins de temps, sans pour autant compromettre les résultats, ce qui était un critère nécessaire pour pouvoir implanter la physique des bulles dans notre MSA. Tel qu’expliqué dans le prochain chapitre, suivre l’évolution des bulles produites par chacune des populations stellaires présentes dans une galaxie permet de générer de la rétroaction de manière beaucoup plus détaillée que dans le cas des MSAs présentés dans les chapitres précédents. Figure 7.10 – Évolution temporelle du rayon (panneau du haut), de l’énergie thermique interne (panneau du milieu) et de la température interne (panneau du bas) d’une superbulle produite par une population d’étoiles de 104 M⊙ ayant une métallicité solaire en fonction de la durée ttrans de l’approximation analytique. Il s’agit d’une réplique de la Figure 7.9, mais avec une population d’étoiles de 104 au lieu de 105 M⊙ . 174 Figure 7.11 – Effet de l’approximation analytique sur la résolution temporelle nécessaire pour calculer l’évolution d’une superbulle en fonction de la masse de la population stellaire centrale. Chaque couleur représente une valeur différente pour la densité de particule du MIS, qui possède une métallicité égale à celle des étoiles, soit Z = 0.02. Les lignes pleines et en trait montrent respectivement les résultats avec et sans l’utilisation de l’approximation analytique. 175 Chapitre 8 Modèle galactique ouvert à double rétroaction Ce chapitre présente la deuxième publication en lien avec le projet de doctorat qui a pour titre original : Cosmological simulations of the intergalactic medium evolution. II. Galaxy model and feedback. Cet article a été soumis le 25 août 2014 dans le journal scientifique The Astrophysical Journal. Voici, dans l’ordre, la liste des auteurs : Benoit Côté, Hugo Martel et Laurent Drissen. Il s’agit de la description et de la validation du MSA qui sera utilisé comme traitement de sous-grille dans une simulation hydrodynamique cosmologique. Ce MSA possède une double rétroaction, car l’énergie mécanique et la pression radiative sont considérées simultanément dans le modèle afin de produire la rétroaction stellaire. Cette publication représente une partie du projet de doctorat que j’ai accompli sous la supervision de Hugo Martel et de Laurent Drissen. Le texte, composé par moi-même, a été révisé et amélioré par les coauteurs. 8.1 Résumé Nous présentons notre modèle semi-analytique conçu pour être inclus dans les simulations cosmologiques à grande échelle pour traiter l’évolution des galaxies. Le but de cet article est de tester notre modèle pour s’assurer qu’il se comporte de manière réaliste. Nous nous concentrons sur les galaxies ayant des masses stellaires actuelles entre 106.5 and 1011 M⊙ . Notre modèle inclut le refroidissement radiatif, l’approvisionnement en gaz, la formation stellaire, l’enrichissement chimique et la rétroaction stellaire. L’évolution de chaque population d’étoiles qui se forment dans notre modèle est suivie individuellement dans le temps en faisant appel aux modèles stellaires qui se trouvent dans la littérature. La modélisation de la rétroaction se base sur la production de vents galactiques, qui sont propulsés par l’énergie mécanique (Energy-driven) et par la pression radiative (Momentum-driven). Nous avons inclus la physique des bulles interstellaires produites par les étoiles afin de traiter la rétroaction provenant de l’énergie mécanique. En suivant la quantité d’énergie gagnée et perdue à l’intérieur des 177 bulles, nous pouvons calculer la fraction de l’énergie mécanique fournie par les étoiles qui est utilisée pour propulser un vent galactique. Notre modèle prédit que les vents galactiques propulsés par l’énergie mécanique dominent l’évolution des galaxies ayant des masses stellaires actuelles inférieures à 109.8 M⊙ , alors que les galaxies plus massives sont dominées par les vents galactiques propulsés par la pression radiative. Avec ces deux mécanismes de rétroaction, nous reproduisons la relation actuelle entre la masse stellaire et la masse du halo de matière sombre, en plus de la métallicité stellaire moyenne des galaxies. Les vents galactiques sont très efficaces pour expulser les métaux hors des galaxies, particulièrement à l’aide de l’énergie mécanique des étoiles, ce qui est consistant avec la tendance observée que les métaux sont éjectés plus efficacement dans les galaxies de faible masse. À la fin de nos simulations, une fraction significative des métaux produits par les étoiles se retrouve dans le halo des galaxies. Les métaux peuvent s’échapper facilement dans le milieu intergalactique pour les galaxies ayant des masses stellaires en dessous de 108 M⊙ . Les résultats présentés dans cet article sont préliminaires, puisque nous ne considérons pas encore les diverses interactions entre les galaxies et l’effet des différents types d’environnement. Néanmoins, puisque nous pouvons reproduire des caractéristiques qui sont consistantes avec les observations, nous croyons que notre modèle est prêt à être introduit dans les simulations cosmologiques à grande échelle pour étudier les interactions entre les galaxies et leur environnement. 8.2 Abstract We present a semi-analytical model designed to be included in large-scale cosmological simulations to treat the evolution of galaxies. The goal of this paper is to test our model to make sure that it behaves in a realistic manner. We focus on low- and intermediate-mass galaxies with present stellar masses between 106.5 and 1011 M⊙ . Our model includes radiative cooling, gas inflow, star formation, chemical enrichment, and stellar feedback. The evolution of each stellar population that forms in our model is individually followed in time by using stellar models found in the literature. Our feedback prescription is based on the production of galactic outflows, which are powered by the mechanical energy (Energy-driven) and the radiative pressure (Momentum-driven). We implemented the physics of bubbles blown by stars to treat the feedback generated by mechanical energy. By keeping track of the energy gained and lost inside bubbles, we can compute the fraction of the stellar mechanical energy that is used to launch an outflow. Our model predicts that E-driven outflows dominate the evolution of low-mass galaxies with present stellar masses below 109.8 M⊙ , whereas higher-mass galaxies are dominated by M-driven outflows. With these two sources of feedback, we are able to reproduce the current observed stellar-to-dark-halo mass relation, as well as the current average stellar metallicity of galaxies. Outflows are very efficient in expelling metals out of galaxies, especially with E-driven outflows, which is consistent with the observed trend that metals are ejected more efficiently in low-mass galaxies. At the end of our simulations, a significant 178 fraction of the metals produced by stars is located in the halos of galaxies. Metals can escape efficiently into the intergalactic medium for galaxies with present stellar masses below 108 M⊙ . The results presented in this paper are preliminary, since we do not yet consider the full interactions between galaxies and the effect of different types of environment. Nevertheless, since we are able to reproduce characteristics that are consistent with observations, we believe that our model is ready to be implemented in large-scale cosmological simulations to study the interactions between galaxies and their surrounding. 8.3 Introduction This is the second paper of a series that aims to study the evolution of galaxies and the intergalactic medium (IGM) in a cosmological context. More precisely, the ultimate goal of this project is to use large-scale simulations to study the enrichment history of the IGM and the interactions between galaxies and their environment. To do so, we plan to use a semi-analytical model (SAM) as a sub-grid treatment for galaxy evolution. In a previous paper (Côté et al. 2013, hereafter paper I), we presented and tested the chemical enrichment model which is going to be used in this study. The goal of the present paper is to describe and test our galaxy evolution model to make sure that it behaves correctly before moving on to cosmological scale. Stars are certainly one of the main drivers in the evolution galaxies. But in general, star formation is a very inefficient process. Many mechanisms, like gas heating (McKee & Ostriker 1977; Efstathiou 2000; Hopkins et al. 2012b), galactic outflows (Veilleux et al. 2005; Dalla Vecchia & Schaye 2008; Bower et al. 2012; Puchwein & Springel 2013), gas stripping (Bekki 2009; Benítez-Llambay et al. 2013), and gas evaporation (Pieri & Martel 2007), are responsible for reducing the global star formation rates (SFRs) during the lifetime of galaxies. By limiting the amount of gas available to form stars, galactic outflows are probably the most important feedback mechanism in isolated galaxies. These outflows can be launched by SNe (Murray et al. 2005; Nath & Silk 2009; Hopkins et al. 2012a; Stringer et al. 2012; Baumgartner & Breitschwerdt 2013; Creasey et al. 2013; Nath & Shchekinov 2013; Roy et al. 2013; Sharma & Nath 2013; von Glasow et al. 2013), radiative pressure (Murray et al. 2011; Sharma et al. 2011; Hopkins et al. 2012a; Sharma & Nath 2012), active galactic nuclei (AGN, Murray et al. 2005; King et al. 2011; Faucher-Giguère & Quataert 2012; Sharma & Nath 2013; Zubovas & Nayakshin 2014), and cosmic rays (Ipavich 1975; Dorfi 2004; Völk 2007; Samui et al. 2010; Uhlig et al. 2012; Booth et al. 2013; Salem & Bryan 2014). It is essential to include at least one of those sources of feedback in models and simulations in order to avoid forming too many stars. Indeed, having the right amount of stars ensures to produce the right amount of metals, which is important for studying the chemical enrichment from the interstellar medium to the IGM. Besides their potential in slowing down the star formation process, galactic outflows are also 179 known for their significant contribution to the metal enrichment of the IGM (Aguirre & Schaye 2007). By depositing metals, and also energy, those outflows modify the physical state of the IGM. Since the evolution of galaxies strongly depends on the conditions of their environment, galactic outflows can have an impact on the surrounding galaxies. As a matter of fact, adding metals increases the efficiency of radiative cooling and the rates at which gas is falling inside galaxies. On the other hand, adding energy heats the IGM and can sometime lead to an evaporation of the gas surrounding a galaxy. The evolution of galaxies and the IGM must therefore be considered as symbiotic, as in large-scale hydrodynamic simulations (e.g. Oppenheimer & Davé 2006, 2008; Kobayashi et al. 2007; Tescari et al. 2009, 2011; Shen et al. 2010; Wiersma et al. 2010; Choi & Nagamine 2011; Davé et al. 2011). To simulate a large number of galaxies and interactions, in order to have a representative sample of the Universe, the computational volume of the simulations must be as large as possible. But unfortunately, by increasing the size of the simulated volume, low-mass galaxies are either neglected or poorly resolved, because of the limited computational power. But low-mass galaxies, with their outflows, contribute significantly to the enrichment of the IGM because of their shallow gravitational potential well (e.g. Mac Low & Ferrara 1999; Madau et al. 2001; Booth et al. 2012). Moreover, low-mass objects are found in greater number than massive ones in the Universe. To include low-mass galaxies as well as massive ones in our study, we decided to treat them with a SAM. This will enable us to follow efficiently the evolution of galaxies with a wide range of masses, without being limited by the lack of resolution. SAMs have been used many times in the past years to reproduce the global properties of galaxies (e.g. White & Frenk 1991; Cole et al. 2000; Springel et al. 2001; Hoopes et al. 2003; Baugh 2006; Croton et al. 2006; Monaco et al. 2007; Somerville et al. 2008b). One of the goals of our project is to reproduce the evolution of galaxies. For now, our simulated galaxies are completely isolated, although we follow in time their mass growth resulting from the accretion of the IGM. The full interaction between galaxies and their surrounding will be simulated once our SAM is implemented as a sub-grid treatment in large-scale simulations, which will be the next step. But before that, we need to calibrate our parameters, especially for the feedback prescription, to make sure that our galaxies behave correctly. SAMs have already been used in the past as a tool to include galactic outflows on top of N-body simulations (e.g. Desjacques et al. 2004; Bertone et al. 2005, 2007; Germain et al. 2009; Pinsonneault et al. 2010; Barai et al. 2011). Our SAM is however designed to run in parallel with a large-scale simulation in order to interact with it. Our model takes into account radiative cooling, gas inflow, star formation, chemical enrichment, and stellar feedback. The mass and mechanical energy released by stars are computed by directly using the stellar models found in the literature (see sections 8.4.5 and 8.4.6). Our stellar feedback prescription is based on two types of outflows, the ones driven by mechanical energy (E-driven), and the ones driven by the momentum of radiative pressure (M-driven). 180 We introduce the physics of interstellar bubbles blown by stars (Weaver et al. 1977) to follow in time the amount of stellar energy used to generate an E-driven outflow. This enables us to compute the mass ejected as well as the thermal and kinetic energies contained in it, which is necessary to estimate the impact of such outflows on the IGM. The effects of cosmic rays are ignored in the present model. For now, we do not consider AGN feedback, which should be implemented in order to extend our mass range to galaxies more massive than the Milky Way. But since we focus on the low- and intermediate-mass galaxies, the ones often poorly resolved in cosmological simulations, we do not need an AGN at this point to regulate the SFRs of our simulated galaxies. This paper is organized as follows. In section 8.4, we describe the basis of our SAM with its different components. We present, in section 8.5, the evolution of bubbles blown by stars. The two types of feedback are described in section 8.6 with their effects on galaxies and halos. Results are shown in section 8.7, and conclusions are given in section 8.8. 8.4 Galaxy model Here we describe the basis of our SAM to generate the evolution of galaxies as a function of their mass. Our approach in this section is highly inspired by the previous works of White & Frenk (1991), Springel et al. (2001), and Croton et al. (2006). However, the chemical enrichment, the evolution of stars, and the feedback prescription for the production of outflows, are different from other SAMs. Figure 8.1 shows the different components included in our model. We first consider a dark matter halo filled with shock-heated gas, which we refer as halo gas. Some of this gas will cool down and collapse at the center of the dark matter halo to form the cold gas component of a galaxy. Stars form in that last reservoir and generate mechanical energy to produce the hot gas component. The connections between the different components are described in details in this section and the following ones. It is worth noting that some other SAMs have improved the composition of galaxies by including molecular (Lagos et al. 2013) and ionized (Popping et al. 2014) gas. In our model, we use a system of ordinary differential equations to describe the time-evolution of the system, and we solve this system of equations numerically, using a Runge-Kutta integration scheme with a timestep ∆t. In the following sections, we derive these equations. The code that solves these equations will later be turned into a subroutine that will be implemented into a hydrodynamical code for large-scale cosmological simulations. 8.4.1 Initial conditions We assume that every galaxy forms in a dark matter halo which is virialised and supported by the dispersion velocity of its dark matter particles. The virial theorem provides the relation between the average velocity Vvir of the dark matter particles, the total mass Mvir of the 181 Figure 8.1 – Overview of our semi-analytical model and its different components. The arrows show the direction of the mass, and sometimes energy, transferred from one component to another. system (dark and baryonic matter), and its radius Rvir , 2 Vvir = GMvir . Rvir (8.1) For now, the virial mass is a free parameter in our model, but will eventually be automatically set by cosmological simulations. The virial radius of the halo is calculated by assuming that the average density inside this radius is 200 times the mean density of the Universe at the redshift of formation zf (eg. Eke et al. 1996), Rvir 3Mvir = 800πGρ̄(zf ) 1/3 = 3Mvir 800πGρ̄0 1/3 (1 + zf )−1 . (8.2) Here, ρ̄0 refers to the present average density of the Universe. When a galaxy is about to form, the baryonic matter collapses at the center of the dark matter halo and produces a shock wave that heats the gas to the virial temperature (White & Frenk 1991), 1 2 , kB Tvir = µmH Vvir 2 (8.3) where kB , µ, and mH are the Boltzmann constant, the mean molecular mass, and the mass of an hydrogen atom respectively. At this point, the heated gas fills the dark matter halo and is spatially distributed as an isothermal sphere, ρ(r) = 182 Mhalo , 4πRvir r 2 (8.4) where Mhalo represents the mass in baryons. At the beginning of a simulation, all the baryonic mass is located in the halo component and can be calculated from the current baryonic ratio, Mb = Mhalo = Ωb,0 Mvir . Ω0 (8.5) The cosmological parameters used throughout this work are Ω0 = 0.257 for the mass density, Ωb,0 = 0.044 for the baryon density, λ0 = 0.742 for the dark energy density, and H0 = 71.9 km s−1 Mpc−1 for the Hubble constant (Dunkley et al. 2009). 8.4.2 Cooling The gas in the halo is subject to radiative cooling and will eventually be transferred inside the galaxy in the cold gas component. The cooling time tcool is computed by dividing the halo’s specific thermal energy by a cooling function Λ (see Lu et al. 2011), tcool (r) = 3µmp kTvir . 2ρ(r)Λ(Tvir , Z) (8.6) We use the cooling functions calculated by Sutherland & Dopita (1993), which depend on the temperature of the gas and its metallicity. The cooling process takes place inside a cooling radius rcool . This radius can be isolated from equation (8.6) by setting the cooling time equal to the time needed for the halo gas within rcool to cool in a quasi-static manner. This specific time is set equal to the dynamical time of the halo (Springel et al. 2001), tcool (rcool ) ≈ tdyn = 3π 16Gρ̄ 1/2 = πRvir . 2Vvir (8.7) We refer to De Lucia et al. (2010), Saro et al. (2010), and Lu et al. (2011) for more information on the cooling process in SAMs. Slow cooling When rcool < Rvir , some of the halo gas cools in a quasi-static manner before being added to the cold gas component. Since the cooling radius is smaller than the virial radius, the time needed for the entire gas in the halo to cool down is greater than the dynamical time of the system. Following Springel et al. (2001) and Croton et al. (2006), the cooling rate is computed by dividing the mass of the halo contained within the cooling radius by the cooling time, Mhalo (rcool ) = Ṁcool ≈ Z rcool 0 ρ(r)4πr 2 dr = Mhalo rcool , Rvir 2Mhalo rcool Vvir Mhalo (rcool ) . ≈ 2 tcool πRvir (8.8) (8.9) 183 Rapid cooling When rcool > Rvir , the halo will not be in hydrostatic equilibrium and the cooling rate will be higher (White & Frenk 1991; Springel et al. 2001; Croton et al. 2006). In that case, the gas in the halo is not supported by the thermal pressure and will start a free-fall toward the center of the halo (Kereš et al. 2009; Mo et al. 2010). The cooling rate will then be computed by dividing the mass of the entire halo gas reservoir by the free-fall time tff , tff = Ṁcool 8.4.3 3π 32Gρ̄ 1/2 tdyn = √ , 2 √ 2 2Mhalo Vvir Mhalo = . ≈ tff πRvir (8.10) (8.11) Disc size To include the physics of bubbles blown by stellar winds and SNe in our model, we need an estimate for the volume occupied by the cold gas in order to provide an average gas density ρcold , in which the bubbles will evolve. We first consider an exponentially decreasing density profile from the center to the edge of a galaxy disc, ρdisc (r) ∝ exp(−r/Rd ). (8.12) Rd represents the characteristic radius of the disc, and will be the one implied in the calculation of ρcold . It is possible to relate this characteristic radius to the virial radius by assuming that the gas initially had a similar angular momentum as the one contained in the dark matter halo. Since this angular momentum is conserved during the collapse that led to the formation of a disc (Fall & Efstathiou 1980), Rd can be defined as (see Mo et al. 1998) 1 Rd = √ 2 jd md λRvir fc−1/2 fR−1 , (8.13) where jd and md represent respectively the angular momentum and the mass of the disc relative to the values associated to the dark matter halo. The spin parameter λ is dimensionless and is proportional to the angular momentum of the dark matter halo. The correction factor fc is used to consider the NFW dark matter profile (Navarro et al. 1997) instead of an isothermal one, fc ≈ 2 cDM 0.7 , + 3 21.5 (8.14) where cDM is the concentration parameter associated to the NFW profile. We use the power laws derived from Gao et al. (2008) to set cDM as a function of redshift and the mass of the 184 dark matter halo. In equation (8.13), fR represents another correction factor for the modification of the dark matter halo profile caused by the gravitational attraction of the central galaxy, fR ≈ λjd 0.1md −0.06+2.71md +0.0047/λ′ × (1 − 3md + 5.2m2d )(1 − 0.019cDM + 0.00025c2DM + 0.52/cDM ). (8.15) According to the observations of Barden et al. (2005) at redshift z ∼ 1, it is important to use the correction parameters fc and fR in order to match the observed size of galaxies. −1/2 We fixed λfc to 0.035 according to the statistical distribution of the spin parameter of 500 dark matter halos derived by Bullock et al. (2001). The ratio jd /md has been set to 1, which is often the case in other works (e.g. Hatton et al. 2003; Schaye 2004; Croton et al. 2006; Monaco et al. 2007; Somerville et al. 2008b; Mo et al. 2010). This assumes that the specific angular momentum of the disc and the dark matter halo are similar. According to Somerville et al. (2008a), this assumption is consistent with the evolution of the size of galaxies as a function of redshift. From the observations of Kregel et al. (2002), we set the scale-height zd of a galaxy disc to 0.137 times its characteristic radius Rd . 8.4.4 Star formation Star formation takes place in the cold gas component. Usually, in SAMs, the SFR, Ṁ⋆ , depends on the amount of cold gas available and on a characteristic time-scale τ⋆ related to the star formation process (Baugh 2006), Ṁ⋆ = f⋆ Mcold . τ⋆ (8.16) This relation is supported by the observations of Kennicutt (1998) where f⋆ refers to the star formation efficiency. Here we use the critical mass Mcrit with the form derived by Croton et al. (2006), from the critical surface density observed by Kennicutt (1998), below which the cold gas component cannot form stars, Ṁ⋆ = f⋆ Mcrit = Mcrit,0 (Mcold − Mcrit ) , τ⋆ Vvir 200 km s−1 Rd 10 kpc (8.17) M⊙ . (8.18) The characteristic time-scale τ⋆ is often associated with the dynamical time of the galaxy (Kauffmann et al. 1999; Cole et al. 2000; Springel et al. 2001; Croton et al. 2006), although some other works rely on empirical laws obtained from the observation of disc galaxies (Monaco et al. 2007; Somerville et al. 2008b). In Hatton et al. (2003) and Monaco et al. 185 (2007), the SFR depends on whether the stars form in the disc or in the bulge. Since our model does not take into account the morphology of galaxies in details, we decided to use equation (8.17) and the dynamical time of galaxies defined by Murray et al. (2005) to set the characteristic time-scale of the star formation process, (8.19) τ⋆ = Rd /σ, where σ is the dispersion velocity of the galaxy and is given by σ = 200 Mvir H(z) h 5 × 1012 M⊙ H0 1/3 km s−1 , (8.20) where H(z) is the Hubble parameter at redshift z, 1/2 . H(z) = H0 (1 − Ω0 − λ0 )(1 + z)2 + Ω0 (1 + z)3 + λ0 8.4.5 (8.21) Chemical enrichment Once stars have formed from the cold gas component, they evolve and eventually return enriched gas into their surroundings by stellar winds and SNe. This eventually increases the amount of metals present in the galaxy, and therefore the initial metallicity of future generations of stars. In our model, the stellar ejecta of massive stars are deposited in the hot gas component, which represents the hot pressurized interior of bubbles blown by the mechanical energy of these ejecta. As explained below in section 8.5, the enriched gas in the hot component needs to cool down before being transferred to the cold gas component and recycled to form new stars. For low- and intermediate-mass stars with initial masses below 8 M⊙ , the ejecta are directly introduced back in the cold gas component, since they are not considered in the production of bubbles. We assume uniform mixing in our gas components, but the time delay between the formation of stars and the mass-loss from the different stellar phases is taken into account. Each time a stellar population is created, using equation (8.17), the stellar mass is distributed according to the initial mass function of Chabrier (2003) from 0.1 to 100 M⊙ . Since stars with different initial masses do not contribute to the enrichment at the same time, the specific age of each stellar population is followed in time during our simulations. We use stellar models to compute, as a function of time, the composition of the mass ejected by stellar winds from massive stars under the effect of rotation (Meynet & Maeder 2003, 2005; Decressin et al. 2007; Hirschi et al. 2007; Ekström et al. 2008a), core-collapse SNe (Nomoto et al. 2006), stellar winds from low- and intermediate-mass stars in the asymptotic giant branch (Karakas 2010), and Type Ia SNe (SNe Ia, Iwamoto et al. 1999). At any time during the evolution of a galaxy, the composition of the gas returned by stars is computed by summing the contribution 186 Figure 8.2 – Mass-loss rate, as a function of time, of stellar winds from massive stars (upper panel) and core-collapse SNe (lower panel) for a 106 M⊙ stellar population, formed instantaneously. The different colors represent different initial metallicities, as indicated. of all stellar populations that have been formed in the past, taking into account their own specific initial mass, initial metallicity, and age. Figures 8.2 and 8.3 show the mass-loss rates, as a function of time and metallicity, for a complete stellar population with an initial mass of 106 M⊙ formed in an instantaneous burst. The relatively low mass-loss rate seen in the lower panel of Figure 8.2 at early times for solar metallicity, comes from the lack of hydrogen and helium in the ejecta of Type Ib and Ic SNe (see Côté et al. 2012). For core-collapse SNe, we distributed the tables of Nomoto et al. (2006) in time using the lifetimes given by the stellar models used for massive stars. For low- and intermediate-mass stars, we applied the same process to the tables of Karakas (2010) using the stellar lifetimes of Karakas & Lattanzio (2007). For SNe Ia, we used the time delay function derived in Maoz & Mannucci (2012). We refer to paper I for more details on the chemical enrichment model. 187 Figure 8.3 – Mass-loss rate, as a function of time, of stellar winds from lowand intermediate-mass stars (LIMS) and SNe Ia for a 106 M⊙ stellar population, formed instantaneously. The different colors represent different initial metallicities, as indicated. 8.4.6 Mechanical energy As massive stars evolve and eject mass with their stellar winds and explosions, they inject an important amount of mechanical energy into their surrounding (Fig. 8.4). The rate at which mechanical energy is produced by stellar winds is defined as follows : LSW = 1 2 ṀSW v∞ , 2 (8.22) where ṀSW and v∞ represent respectively the mass-loss rate (see upper panel of Figure 8.2) and the terminal velocity of the ejecta. To compute the terminal velocity of these stellar winds, we used the technique developed by Leitherer et al. (1992), which is the one implemented in the population synthesis code Starburst99 (Leitherer et al. 1999). For core-collapse SNe, we multiplied 1051 ergs by the explosion rate derived from the lifetimes of massive stars. As described below, the mechanical energy produced by massive stars will be used as a source of feedback to regulate the SFRs and to generate galactic outflows. 8.4.7 Accretion of the IGM According to the ΛCDM model, low-mass galaxies are the building blocks of every large galaxy we see today. The mass of a galaxy grows with time by accreting dark matter and gas present in the cosmic web, and by merging with other galaxies. The mass growth rate depends on the redshift, on the environment, and on the mass of a galaxy. Since we do not yet consider 188 Figure 8.4 – Mechanical luminosity, as a function of time, of stellar winds from massive stars (upper panel) and core-collapse SNe (lower panel) for a 106 M⊙ stellar population, formed instantaneously. The different colors represent different initial metallicities, as indicated. different environments and interactions between galaxies, we need to rely on average values for the mass accretion history of our simulated galaxies. To do so, we used the average dark matter accretion rate derived by Fakhouri et al. (2010) from the Millennium-II simulation (Boylan-Kolchin et al. 2009), ṀDM = 46.1 MDM 1012 M⊙ 1.1 p (1 + 1.11z) (Ωm (1 + z)3 + λ) [M⊙ yr−1 ]. (8.23) This rate is similar to the one derived by McBride et al. (2009) from the first Millennium simulation (Springel et al. 2005) for galaxies more massive than 1012 M⊙ . But since the MillenniumII simulation has a better mass resolution and focused on lower-mass dark halos, the relation provided by Fakhouri et al. (2010) is therefore more appropriate for our work. The mass accretion rates derived from the Millennium simulations consider not only the accretion from the cosmic filaments, but also the merger of dark matter halos. However, since the rates represent the average of many halos, equation (8.23) provides a smooth evolution of the mass over time, which masks the strong accretion peaks caused by major mergers. This 189 procedure is temporary. Once our galactic model is implemented in cosmological simulations, the motion of the matter present in the IGM will provide a specific accretion history, including major mergers. The introduction of such mergers will affect the star formation history of our simulated galaxies by generating starbursts (e.g. Brook et al. 2007; Bournaud 2011). Equation (8.23) is used at every timestep to increase the mass of the dark matter halo. The other fundamental parameters of the galaxy are then recalculated at each timestep in order to avoid massive galaxies to be stuck with their initial compact configuration associated to their moment of formation. We assume that the gas accretion rate is the same as dark matter’s, but scaled down to follow the universal baryonic ratio Ωb,0 /Ωm,0 . The infalling gas can be incorporated inside a galaxy in two ways. If the accreted gas enters the galaxy supersonically, the gas will be shock-heated and will need additional time to cool down before becoming available for star formation (Benson 2010). This is known as the hot accretion mode. On the other hand, gas coming from the cosmic filaments can in some cases directly enter the interstellar medium of a galaxy without being shock-heated, even in the presence of a hot halo gas component surrounding the galaxy (Dekel et al. 2009). According to Kereš et al. (2005), this cold accretion mode occurs in galaxies less massive than 2 − 3 × 1011 M⊙ . However, at redshifts higher than 2, more massive galaxies should still be in the cold accretion mode (Kereš et al. 2009; Faucher-Giguère et al. 2011). Following these results, the accreted gas coming from the IGM is added to the cold gas component when z > 2. At lower redshifts, the gas is added to the halo if the mass of the galaxy is higher than 2.5 × 1011 M⊙ , or in the cold gas component otherwise. We assume that the gas coming from the IGM has a primordial composition. But this will however change once our simulated galaxies form in halos pre-enriched by surrounding galactic outflows. 8.5 Interstellar bubbles To generate the feedback coming from the mechanical energy injected by massive stars, we consider that every stellar population will heat its surrounding by producing hot pressurized bubbles. To do so, we based our implementation on the works of Castor et al. (1975) and Weaver et al. (1977) who derived equations for the evolution of interstellar bubbles blown by a continuous source of energy. Cox (1972) and Chevalier (1974) have also derived a similar set of equations for an instantaneous energy deposition coming from a SN explosion. But those equations are less suited for our need, because we are dealing with the energy coming from a whole stellar population, which is progressively released over time. We assume that stars form in clusters and combine their mechanical energy to create superbubbles (Nath & Shchekinov 2013; Keller et al. 2014; Sharma et al. 2014). The physics of bubbles blown by stars has already been implemented with good results in another SAM (Lagos et al. 2013). Here, we push the implementation further by following 190 in time the energy lost by radiative cooling inside the hot pressurized interior. Moreover, we use the mass and energy injection rates provided by stellar models to power the expansion of bubbles. As explained in the next section, being able to follow the energy lost and gained inside bubbles is useful to estimate the effect of outflows, driven by bubbles, on the evolution of halos. 8.5.1 Adiabatic expansion In the first phase of the evolution of an interstellar bubble, the gas surrounding the stars is shocked and heated above 106 K by the stellar ejecta. From inside out (Figure 8.5), the internal structure of a bubble is represented by the freely expanding stellar ejecta (region A), the shocked stellar ejecta (region B), and the shocked surrounding gas (region C). The effective radius of a bubble and its expansion velocity as a function of time are given by 1/5 Lmec t3 , R2 (t) = α ρcold 3α Lmec 1/5 Ṙ2 (t) = , 5 ρcold t2 (8.24) (8.25) where α = 0.88, and Lmec and ρcold are respectively the mechanical luminosity released by stars (see Fig. 8.4), and the average density of the surrounding gas, which is simply the mass of the cold gas divided by the volume of the disc. The evolution of the inner radius, separating the freely expanding and the shocked stellar ejecta, is given by R1 (t) = 0.90α3/2 Ṁ ρcold !3/10 1/10 2/5 v∞ t , (8.26) where Ṁ and v∞ are the mass-loss rate (see Fig. 8.2) and the average terminal velocity of the ejecta coming from the central stellar population. Since the values of Ṁ and Lmec are known, 2 to calculate the velocity v . we use Lmec = (1/2)Ṁ v∞ ∞ During this first phase, according to Weaver et al. (1977), 5/11 of the stellar mechanical energy is in the form of thermal energy in region B, while the remaining is in region C in the form of thermal energy at 59.6% and kinetic energy at 40.4%. This phase ends at a time t1 when the shocked gas in region C cools and collapse to form a dense thin shell. Following Falle (1975), this happens when the shock velocity, at R2 , drops below 200 km s−1 . Using this value, the duration of the adiabatic phase, t1 , is then calculated from equation (8.25). 8.5.2 Pressurized Thin Shell Once the surrounding shocked gas has cooled and collapsed to form a thin shell, the bubble continues to expand and to sweep the cold gas. The initial conditions for this second phase are 191 Figure 8.5 – Structure of a bubble blown by stars. This Figure is freely inspired by Weaver et al. (1977). set with the duration t1 of the adiabatic expansion phase. The effective radius R2 , the velocity Ṙ2 , and the inner radius R1 of the bubble are computed using equations (8.24), (8.25), and (8.26) respectively. The thermal energy and the mass inside the hot interior (region B) are set by Eth = (5/11)Lmec t1 and Mb = Ṁ t1 . Assuming a perfect gas, the related pressure is given by Pb = (γ − 1) Eth Vb (8.27) where γ is the heat capacities ratio, which is equal to 5/3 for a monoatomic gas. From the volume Vb = 4π 3 (R2 − R13 ), 3 (8.28) we can, again from the perfect gas law, calculate the temperature of the interior of the bubble, Tb = 2 Eth µmH , 3 kB ρb Vb where ρb is the mass density inside region B. 192 (8.29) Evolution of the Bubble’s Interior The time-evolution of the expanding bubble during this second phase is followed by considering the competing effect between the energy lost by radiative cooling and the thermal energy gained from stars. Following Castor et al. (1975), some of the mass in the inner part of the cold thin shell gets heated because of its contact with the hot interior. The rate of change in the mass of the pressurized gas is then given by the stellar ejecta and the rate of evaporation of the thin shell, Ṁbub = Ṁ + 16π µ 5/2 CTb R2 . 25 kB (8.30) The constant C = 1.2 × 10−6 erg cm−1 s−1 K−7/2 is related to the thermal conductivity that causes the evaporation (Spitzer 1962). Following Weaver et al. (1977), the thermal energy of the bubble will be modified by the energy injected by stars, the work done on the expanding thin shell, and the radiative cooling, Ėth = Lmec − 4πR22 Pb Ṙ2 − Lcool . (8.31) The energy lost by radiation is computed with the cooling functions provided by Sutherland & Dopita (1993), Lcool = Λ(Tb , Zhot ) ρb µmH 2 Vb . (8.32) In addition to the temperature of the hot interior, the cooling functions also depend on the metallicity of the gas inside the bubble, Zhot , and therefore on the composition of the stellar ejecta and the evaporated cold gas. The volume Vb is followed in time from the evolution of the inner and outer radii of the bubble. The position of R1 is set by the pressure balance between the expanding pressurized gas and the ram pressure of the stellar ejecta. The mass that flows through the surface S of a sphere of radius R1 , per unit of time, is linked to the mass-loss rate of the central stellar population, Ṁw = ρa va S = ρa (v∞ − Ṙ1 )(4πR12 ). (8.33) In that equation, we used v∞ − Ṙ1 instead of just v∞ because the radius R1 , which is the limit between regions A and B, is moving with a velocity Ṙ1 . The density of the freely expanding stellar ejecta ρa can be found with the Rankine-Hugoniot conditions assuming a strong shock. After substitution, the evolution of the inner radius can be described by Ṙ1 = v∞ − 16πPb R12 . 3Ṁw (8.34) 193 As the bubble cools down, the radius R1 gets closer to the outer radius R2 . The bubble is cold and no longer pressurized when R1 reaches R2 . Samui et al. (2008) also used this criterion to end the pressurized thin shell phase, but in the case of a large-scale galactic outflow. To calculate the evolution of the effective radius of the bubble, we use the time derivative of the momentum of the shell, d (Mshell Ṙ2 ) = 4πR22 (Pb − Pcold ). dt (8.35) The mass of the shell is simply the mass of the swept-up cold gas, Mshell = 4π ρcold R23 . 3 (8.36) Although we saw in equation (8.30) that some of the inner part of the shell gets evaporated, the amount of gas lost by this process is negligible compared to the total mass of the shell (see Castor et al. 1975). The pressure of the gas in which the bubble is expanding is given by Pcold = ρcold kB T . µmH (8.37) Here we set the temperature T to 104 K, assuming that massive stars ionized their surrounding before producing bubbles. By taking the time derivative of the left hand side of equation (8.35), and by solving for the acceleration term, we get 3 R̈2 = R2 Pb − Pcold 2 − Ṙ2 . ρcold (8.38) From this acceleration, we increase the radius R2 of the bubble at each timestep. For the thermal energy, the inner radius, and the mass of the pressurized gas, we evolve them simply from their time derivative defined above. At each timestep, the cooling function, the pressure, the volume, and the temperature of the bubble are recalculated with the new variables. All those variables are followed in time until the interior of the bubble completely cools down, or breaks out of the disc to produce a galactic outflow (see section 8.6.1). We do not consider the subsequent phase when the bubble continues to expand from the momentum injection on the shell by the stellar ejecta. When a bubble has cooled down, we assume that all of its mass is returned to the cold gas component. Splitting the Stellar Populations We introduce a typical mass mcl representing the average mass of a star cluster that produces one single bubble. The number of sub-populations created at each timestep is then Ncl (t) = 194 Ṁ⋆ (t)∆t . mcl (8.39) If the SFR is not high enough to produce at least one cluster, there is no star formation, and the stellar mass that should have been formed is kept in memory and added to the stellar mass that forms in the next timestep. It is important to split a stellar population into several sub-populations, because otherwise galaxies would be affected by the time resolution of the simulations. Indeed, without the mcl parameter, a large ∆t would produce one big bubble blown by a lot of stars, as opposed to several smaller ∆t that would produce a lot of smaller bubbles dispersed in space. If the stars are too confined to the same space, because of a large ∆t, a galactic wind will be easily produced. Moreover, the value of ∆t is changing with time during our simulation. Therefore, we need to split our stellar populations in order to avoid the time resolution having an impact on our results. When related to the same main stellar population, we assume that the bubbles generated by the sub-populations are identical. We then only need to follow one bubble per stellar population by dividing mechanical energy and the stellar ejecta by Ncl , the number of sub-populations. It is worth noting that splitting the stellar populations is not necessary when the stellar feedback is entirely based on the SFR, which is the case for the majority of the SAMs found in the literature. To be more realistic, we could have assumed that every stellar population is split in several clusters with different masses following a power law, in the same manner than the initial mass function of stars. But since we form a large number of stellar populations during our simulations, we assume that using an average cluster mass mcl should yields similar results that using an initial cluster mass function. In our model, mcl is a free parameter and possess the same value for every galaxy. This is an approximation, since the average mass of stellar clusters should depend on the mass of the host galaxy (McLaughlin & van der Marel 2005). 8.6 Feedback Feedback is an essential part of any galaxy model. Without it, simulated galaxies would consume their entire gas reservoir and produce way too many stars compared to observations. As in many SAMs, the best way to slow down the star formation process is to limit the amount of gas inside galaxies. This is usually done by including galactic outflows into the model. Besides removing gas from a galaxy, an outflow can reduce or even stop the gas inflow coming from the halo and from the IGM. To calculate the mass-loss rate of such outflow, it is common to rely on its observed correlation with the SFR of a galaxy (Martin 1999), ṀGO ≡ η Ṁ⋆ . (8.40) The so-called mass-loading factor η appears to vary significantly among galaxies, with values ranging from 0.01 to 10 (Veilleux et al. 2005). In this section, we describe in more details how we calculate the properties of galactic outflows and how they interact with their surrounding. 195 8.6.1 Energy-driven outflow As we mentionned, different mechanisms can drive a galactic outflow. Among them is the mechanical luminosity from massive stars. According to Murray et al. (2005), the kinetic energy of the mass ejected from a galaxy is directly related to the mechanical energy produced by stars, 1 2 ṀE vE ≈ Lmec . 2 (8.41) The mass-loading factor for this kind of outflow takes the form of ηE ∝ 1 2 , vE (8.42) where vE is the terminal velocity of the ejected gas. This mechanism is however not always efficient in generating outflows because the injected energy gets eventually radiated away. For this reason, a feedback efficiency parameter ǫ is generally introduced in SAMs to set the fraction of the mechanical luminosity that is used to produce the outflow. But using this constant parameter implies that the amount of energy lost by radiation is always the same for every galaxy at any time. This means the production of an outflow would not depend on the physical properties of its host galaxy. Nevertheless, even if we use an alternative to the ǫ parameter (see below), the use of this approximation in SAMs had a great success in reproducing the current properties of galaxies (e.g. Kauffmann et al. 1999; Springel et al. 2001; Hatton et al. 2003; Croton et al. 2006; Monaco et al. 2007; Somerville et al. 2008b). But galactic outflows not only modify the evolution of galaxies, they also have an impact on the evolution of the halo gas. And depending on the energy contained in those outflows, the halo can in turn affect the evolution of the IGM. One of the purposes of the model presented in this paper is to study the large-scale enrichment of the IGM by galactic outflows. So despite the success of the constant feedback efficiency parameter, we believe that a better approximation is needed in order the study the effects of such outflows on the IGM. This is why we introduced the physics of bubbles blown by stars. By considering radiative cooling, we can track the amount of thermal energy lost inside bubbles, which eliminates the need to use the feedback efficiency parameter. In our model, an outflow arises when a bubble becomes large enough to brake out of the galaxy, that is when the bubble’s radius exceeds the scale-height zd of the disc (Mac Low & McCray 1988; Basu et al. 1999). When this occurs, a fraction fin of the mass inside the bubble, and of its thermal energy, is evacuated into the halo. The remaining mass is reincorporated in the cold gas. Since a bubble sweeps its surrounding as it evolves, we allow a fraction fswept of the swept cold gas to be ejected as well. Each time the radius of a bubble reaches zd , the mass transferred to the halo is then given by 196 ME = fin Mbub + fswept Mshell . (8.43) Neglecting the thermal energy of the swept cold gas, the energy transferred to the halo is given by 1 EE = fin Eth + fswept Mshell Ṙ22 . 2 (8.44) Although those two last free parameters add more approximations to our model, the introduction of bubbles gives us the possibility to link the production of outflows to the physical properties of galaxies. The capacity of bubbles to grow in size now depends on the metallicity and the average density of the cold gas component, and on the metallicity of the stellar ejecta. Moreover, since the size of our galaxies, and therefore their scale-height, depend on the redshift, the properties of galactic outflows are also redshift-dependent in our model. 8.6.2 Momentum-driven outflow Apart from mechanical energy, the ultraviolet radiation produced by massive stars can also generate a galactic outflow by pushing out the gas in periphery of a galaxy. M-driven outflows can be very efficient, because the energy used to push on gas cannot be radiated away. However, in SAMs that aim to reproduce the characteristic of galaxies, which are the ones based on the work of White & Frenk (1991), M-driven outflows are rarely included in the feedback prescription (but see Bower et al. 2012). We still decided to include them in our model because we believe that E-driven outflows cannot be an efficient source of feedback for all the galaxies considered in this work. Following Murray et al. (2005), the motion of the ejected gas is based on the momentum provided by the stellar radiation, ṀM vM ≈ Lrad . c (8.45) The mass-loading factor then takes the form of ηM ∝ 1 . vM (8.46) Instead of computing the radiative luminosity Lrad of our stellar populations, we decided to use the SFR, Ṁ⋆ , as in equation (8.40). This is a good approximation, since there is practically no time delay between the formation of a massive star and the onset of strong radiative emissions, as opposed to mechanical energy which is generally dominated by SNe II. Here we assume that the radiation pushes on the cold gas component. We equal the velocity vM of the ejected gas to three times the dispersion velocity σ of the galaxy (Martin 2005; Oppenheimer & Davé 2008). At each timestep, the mass transferred to the halo by this 197 mechanism is given by MM = σ0 Ṁ⋆ ∆t, σ (8.47) where the normalization constant σ0 sets the strength of the outflow. Because this kind of outflow should push on the gas located in the outskirts of a galaxy, and because galaxies usually show metallicity gradients, both vertical (e.g. Navarro et al. 2011; Boeche et al. 2014; Schlesinger et al. 2014) and radial (e.g. Chen et al. 2003; Kewley et al. 2010), we assume that only a fraction fZ of the metals present in MM is transferred in the halo. The remaining mass of metals (1 − fZ ) is replaced by hydrogen and helium. The energy transferred to the halo is calculated once again by neglecting the thermal energy of the cold ejected gas, 1 EM = MM (3σ 2 ). 2 (8.48) As opposed to mechanical energy, we assume that the momentum provided by radiation is always able to produce an outflow. This is a strong assumption, since stellar radiation usually launches an outflow by pushing on dust particles present in the interstellar medium, because of their large cross sections. Since dust is mainly composed of carbon and silicon (Boulanger et al. 2000), the metallicity of the cold gas should be considered in the above equations. Thus, the strength of M-driven outflows, σ0 , in our model, should be considered as an average over the lifetimes of galaxies, since we probably overestimate the outflow at high redshift, and underestimate it at low redshift. 8.6.3 Interaction with inflows In order to produce strong feedback in our model, we allow galactic outflows to interact with the incoming gas from the halo and from the IGM. To limit those inflows, we compare the energy contained in the galactic outflow to the energy needed to return the cooled halo gas and the accreted IGM gas back in the halo. To do so, we sum the contribution of energy-driven and momentum-driven outflows, EGO = EE + EM , (8.49) MGO = ME + MM . (8.50) We assume that the kinetic energy of the outflow tends to thermalize with its surrounding. Halo inflow As described above, some of the halo gas is constantly cooled and added to the galactic cold gas. At each timestep, the energy lost by the halo is related to the amount of mass that 198 has been removed, Ecool = 3 kB Mcool Tvir . 2 µmH (8.51) In the case where the energy lost by the halo is greater than the energy provided by the galactic outflow, the mass ejected by the outflow is still added to the halo, but the amount of cooled halo gas introduced in the galaxy is reduced, ′ Mcool = Mcool EGO 1− Ecool . (8.52) In the case where the energy of the galactic outflow is greater or equal to the energy lost by the halo, we assume that the halo inflow is completely shut off. IGM inflow If a galactic outflow is powerful enough to stop the inflow coming from the halo, we use its remaining energy to reduce the accretion rate from the IGM. This occurs only during cold accretion, that is when accretion is directly fueling the cold gas component of a galaxy. If we consider that Tcold ≪ Tvir , then the energy needed to heat the accreted mass to the virial temperature, in order to move it in the halo, is Eacc = 3 kB Macc Tvir . 2 µmH (8.53) If Eacc is greater than the remaining energy in the outflow, the reduced accreted mass introduced in the cold gas is then given by ′ Macc = Macc EGO − Ecool 1− Eacc . (8.54) The remaining fraction of the gas accreted from the IGM is added to the halo. 8.6.4 Halo outflow In the case where the galactic outflow is powerful enough to completely reverse the inflows, the outflow will generate an excess of energy in the halo. The sum of the thermal energy, already present in the halo, with the energy provided by the outflow will increase the temperature Thalo of the halo, which is given by Ehalo + EGO − Ecool − Eacc = 3k(Mhalo + MGO )Thalo . 2µmH (8.55) At this point, the accreted mass from the IGM is already included in Mhalo and of course, if the accretion of the IGM is in the hot mode, Eacc = 0. Because Thalo > Tvir , the halo 199 possesses too much thermal energy to keep its gas inside the virial radius. In order to get rid of the excess of energy, some of the halo gas will then be ejected into the IGM. To do so, we allow the halo gas to expand until its temperature drops back to Tvir . By assuming an adiabatic expansion with a perfect gas, V γ−1 T equals a constant, which thus yields T ∝ R−2 for γ = 5/3. The final radius Rf of the gas at which the temperature equals Tvir is then given by Rf = Thalo Tvir 1/2 Rvir . (8.56) If the halo gas is still distributed as an isothermal sphere once the expansion is over, we have Mhalo + MGO ρf (r) = 4πRvir r 2 Tvir Thalo 1/2 . (8.57) The mass MHO , ejected from the halo into the IGM, represents the gas that is no longer within Rvir , MHO = Z Rf Rvir 2 " ρf (r)4πr dr = 1 − Tvir Thalo 1/2 # (Mhalo + MGO ) . (8.58) The metals present in MHO will contribute to the enrichment of the IGM. All this is an approximation, since heat exchanges with the galaxy and the IGM are neglected during the expansion. Moreover, we assume that the expansion starts only after the injection of energy from the galactic outflow. But since we need a simple analytical equation to compute the mass lost from the halo, we keep this approximation. 8.7 Results In this section, we present the results obtained from our simulated galaxies with initial dark matter masses ranging from 2 × 108 to 1010 M⊙ . All the galaxies evolved from redshift z = 10 down to z = 0, having present-day dark matter masses ranging from 109.8 to 1012.4 M⊙ . The main purpose of this paper is to demonstrate that our model behaves in a realistic manner. This must be done before we introduce it into large-scale cosmological simulations. All the results presented in this section are thus preliminary, since our galaxies evolved isolated from other galaxies. But once the model is implemented in cosmological simulations, galaxies will form at different times and in different environments, leading to many types of interaction with other galaxies. The best values for our parameters are shown in Table 8.1. 8.7.1 Stellar-to-halo mass relation We included feedback in our model in order to limit the amount of stars formed during simulations. To calibrate the strength of our feedback mechanisms, we compared our results 200 Tableau 8.1 – List of our free parameters and their value. Parameter Description Value f⋆ Star formation efficiency 0.1 fswept Fraction of the swept cold gas ejected by an E-driven outflow 0.2 fin Fraction of the bubble’s interior that escape in the halo during a break out 0.75 σ0 Normalization of the strength of M-driven outflows 350 km s−1 fZ Fraction of metals ejected by a M-driven outflow 0.8 mcl Average stellar mass of a single cluster 2.0 × 104 M⊙ Mcrit,0 Normalization of the critical mass used in the star formation process 8.0 × 109 M⊙ with the current observed relation between the stellar mass and the dark matter halo mass of galaxies (Fig. 8.6). It is clear from this figure that feedback is a major player in the star formation process. According to our model, low-mass and dwarf galaxies should be dominated by feedback coming from mechanical energy (bubbles, E-driven outflows), whereas intermediatemass galaxies should be dominated by feedback coming from radiative pressure (M-driven outflows). Feedback completely switches from energy dominated to momentum dominated at a stellar mass of about 109.8 M⊙ . 8.7.2 Star formation history The transition between our two types of feedback is consistent with the works of Weisz et al. (2012), who compared the observed star formation history of galaxies obtained from the emission of Hα and from the UV continuum. They found that the SFRs of galaxies with stellar masses typically higher than 1010 M⊙ tend to be constant with time, while the ones in lower mass galaxies tend to be episodic (see also Kauffmann 2014). This behavior also occurs in our model (see Fig. 8.7). In galaxies with stellar mass above 1010 M⊙ (the top two lines), the SFR is indeed relatively constant with time. The small breaks seen around 3 Gyr are associated to the moment where the accretion mode of the IGM switches from cold to hot. The second break seen between 6 and 7 Gyr for the most massive galaxy is linked to the halo gas inflow and represents the transition from rapid to slow cooling. In the case of low-mass simulated galaxies, which are dominated by E-driven outflows, the star formation histories are generally bursty and unstable. Even if the SFRs seem to oscillate around an equilibrium point, the balance between inflows and outflows never reaches a stable state of equilibrium. In the transition zone, associated with galaxies with current stellar masses roughly between 109 and 1010 M⊙ , the star formation histories are a mix between stable (M-driven) and episodic (E-driven) behaviors (see the orange line in Figure 8.7). In our model, M-driven outflows become the dominant source of feedback when the interstellar bubbles are not able, on average, 201 Figure 8.6 – Present day stellar mass of galaxies as a function of their dark matter halo mass. The dotted, dashed, and solid lines represent respectively the predictions of our model in the cases without feedback, with M-driven outflows only, and with both M- and Edriven outflows. The colored crosses are based on observations and derived by Behroozi et al. 2010 (pink), Behroozi et al. 2013 (orange), Guo et al. 2010 (green), Moster et al. 2010 (red), Moster et al. 2013 (blue), and Yang et al. 2009 (grey). For reference, the estimated dark matter halo masses for the Small Magellanic Cloud and M31 are 6.5 × 109 M⊙ (Bekki & Stanimirović 2009) and 1012 M⊙ (Tamm et al. 2012), respectively. to break out of the galaxy anymore. This happens either because the bubbles cool down too rapidly, or because the scale-height of the galaxy disc is too large. These conditions can be met at high redshifts, because of the high average gas density, and in galaxies more massive than the ones found in the transition zone. It is important to recall that M-driven outflows are still active when a galaxy is dominated by E-driven outflows. Thus, galaxies dominated by M-driven outflows always have higher SFRs simply because one source of feedback is active instead of two. This explains the drops seen around 1.5 Gyr in the average SFR of the galaxies with log(M⋆ ) = 9.18 and 8.52 (see Fig. 8.7, orange and black lines). Those results are in good agreement with the work of Jimenez et al. (2005), who concluded, using the SSDS, that feedback is a lot more efficient in galaxies with current stellar masses below 1010 M⊙ than for higher-mass galaxies. Although our simulated galaxies grows by about two orders of magnitude in mass from z = 10 to z = 0, the SFRs seen in Figure 8.7 generally tend to decrease with time. According to the accretion history used in the present work (see section 8.4.7), galaxies become ten times more massive during their first Gyr of evolution. Therefore, from 1 to 13 Gyrs, our simulated galaxies only grow by an order of magnitude. Despite the fact that more gas becomes available with time to form stars, the timescales implied in the cooling and the star formation 202 Figure 8.7 – Star formation rate of our simulated galaxies as a function of time since their formation. The colored lines represent galaxies with current stellar mass (log M⋆ ) of 10.87 (blue), 10.24 (pink), 9.18 (orange), 8.52 (black), 7.83 (red), 7.29 (green), and 6.42 (grey). processes (see sections 8.4.2 and 8.4.4) both increase as the galaxies reach their present-day configuration. This last effect happens to dominate over the accretion of the IGM, resulting in a slowly decreasing SFRs with time. It is important to keep in mind that each star formation history presented in Figure 8.7 represents only one galaxy formed at z = 10. It does not represent the average of all the galaxies formed at different redshifts in different environments which happen to have the same present-day stellar mass. This statistical aspect of galaxy evolution will be considered with cosmological simulations. Episodic star formation rates Episodic and bursty SFRs are commonly seen in hydrodynamic simulations of low-mass galaxies (e.g. Pelupessy et al. 2004; Stinson et al. 2007; Valcke et al. 2008; Revaz et al. 2009; Sawala et al. 2011; Cloet-Osselaer et al. 2012; Teyssier et al. 2013; Shen et al. 2014). The key ingredient in generating this behavior is the time delay between the formation of stars and the delivery of feedback (Struck-Marcell & Scalo 1987; Parravano 1996; Quillen & Bland-Hawthorn 2008). This happens in the case of E-driven outflows, because bubbles take some time to reach the scale-height of the disc to produce the outflow. If some stars are formed at a certain time and possess enough potential mechanical energy to set the SFR to its natural equilibrium value, more stars will form before the first ones have the chance to regulate the star formation process. This will result in an overproduction of feedback relative to the amount needed to equilibrate the system, which will bring the SFR to a local minimum. Thereafter, the lack 203 of feedback following that low star formation activity will allow more gas to fall inside the galaxy, to start an other cycle. In our model, because the physical processes implied in the regulation of the star formation are non-linear, the SFRs seen in Figure 8.7 are often complex and possibly chaotic (see Struck-Marcell & Scalo 1987). We do not produce an episodic SFR when a galaxy is dominated by M-driven outflows powered by radiative pressure, because there is practically no time delay between the formation of a massive star and the production of radiation. 8.7.3 Galaxy and halo outflows The upper panel of Figure 8.8 shows the total amount of gas ejected from galaxies and from their halo as a function of their current stellar mass. For M-driven galactic outflows (blue line), the mass ejected increases linearly with the stellar mass. For E-driven galactic outflows (red line), the situation is more complex, because the ejection rate does not only depend on the amount of stars, but also on the amount of swept gas, which depends on the scale-height of the galaxy disc. For galaxies with stellar masses higher than about 109 M⊙ , E-driven outflows start to lose efficiency because an increasing number of bubbles cool down before reaching the the scale-height of the disc. This happens up to 109.8 M⊙ , where no bubble can produce an outflow anymore. The mass lost from halos (black line) also drops at the same stellar mass, suggesting that feedback from mechanical energy should be the dominant source of enrichment for the IGM. For higher-mass galaxies, M-driven outflows simply do not possess enough power to generate an excess of energy in the halo. The radiative energy from an AGN could however produce an excess and contribute the the enrichment of the IGM. As seen in section 8.6.4, a halo outflow will only be generated if a galactic outflow increases the halo’s temperature beyond the virial temperature. Since bubbles can break out more easily in smaller galaxies, and since the virial temperature of halos is directly proportional to the virial mass, low-mass galaxies have stronger halo outflows than higher-mass ones (see lower panel of Fig. 8.8). In that last panel, the difference in the behavior between halo outflows (black line) and galactic outflows (green line) is the result of taking into account the energy and the mass contained in galactic outflows independently. More mass ejected from galaxies does not necessarily means more mass ejected from halos. Above 107.5 M⊙ , galactic outflows contain more mass than halo outflows. For the same amount of energy, the average temperature of a galactic outflow is inversely proportional the mass contained in that outflow (see eq. 8.55). Mass-loading factor The lower panel of Figure 8.8 shows the integrated mass-loading factor η for galaxy and halo outflows. In general, the mass-loading factor of galactic outflows should not be higher than 10 (Martin 1999; Veilleux et al. 2005). But dwarf galaxies can show higher values up to 20 (Hopkins et al. 2012a) and even up to 80 (Shen et al. 2012). In our case, the highest 204 Figure 8.8 – Total mass ejected (upper panel) by outflows and ejection efficiency (lower panel) as a function of the current stellar masses of our simulated galaxies. Green lines represent the total mass ejected by galactic outflow, whereas the blue and red lines show the contribution of M-driven and E-driven outflows, respectively. The black line corresponds to the mass ejected from the halo. value for the integrated η is 167. Munshi et al. (2013) showed that the inefficiency of star formation in simulated dwarf galaxies is not only caused by strong galactic outflows, but also by including a high threshold density for the star formation process. As opposed to hydrodynamic simulations, our SAM cannot deal, in a realistic way, with the different gas phases present in the interstellar medium, because of the simplicity needed to be used in cosmological simulations. We cannot resolve the internal processes that naturally prevent star formation as in hydrodynamic simulations. Therefore, our model may overestimate the amount of mass lost from galaxies, in order to form the right amount of stars. But overall, our model predicts reasonable values for η that are in agreement with other works. Feedback efficiency parameter Each time a bubble breaks out of a galaxy disc to produce an outflow, we can compare the amount of thermal energy that escapes in the halo with the total amount of mechanical energy injected by the central stars. This gives us an idea of the feedback efficiency parameter ǫ, which is the fraction of the stellar energy that is used to produce the outflow (see Fig. 8.9). 205 At this point, it is worth recalling that, for every galaxy dominated by E-driven outflows, bubbles always break out more rapidly at the beginning of the simulations, because of the small scale-heights. At early times in Figure 8.9, all galaxies thus have the same value, which approach the initial conditions inside bubbles. The value of ǫ does not stay constant throughout the simulation because the average density of the cold gas, the energy injection rates (which depend on the age of the stars), and the cooling rates change over time. Therefore, the balance between the energy gained and lost inside bubbles, which sets the value of ǫ, also varies with time. Of course, this parameter drops to zero when mechanical energy no longer contributes to galactic outflows. In the literature, the feedback efficiency parameter ǫ is usually set to a constant value that ranges between 0.01 and 0.35 (Kauffmann et al. 1999; Springel et al. 2001; Hatton et al. 2003; Croton et al. 2006; Monaco et al. 2007). Figure 8.9 – Feedback efficiency parameter, the fraction of the stellar mechanical energy used to power E-driven outflows, as a function of time for our simulated galaxies. The different colors represent galaxies with different current stellar masses, as indicated. 8.7.4 Chemical enrichment Galactic outflows are a major source of metal enrichment for the halo of galaxies and for the IGM. By removing metals from the interstellar medium, outflows also have an impact on the metallicity inside galaxies. To test our outflow prescription, we compared our results with the metallicity observed in the stellar content of galaxies in the local Universe. To do so, as in paper I, we assume that the metallicity of the cold gas is locked into stars at the moment of their formation. Thereafter, we use the star formation history of each galaxy to compute its average stellar metallicity. As shown in Figure 8.10, our predictions are generally in good agreement with observations. 206 Figure 8.10 – Average stellar metallicity as a function of the current stellar masses of galaxies. The solid and dashed lines show respectively the predictions of our best model, and the predictions without outflows driven by bubbles. The red (Gallazzi et al. 2005) and blue (Panter et al. 2008) crosses are data derived from the Sloan Digital Sky Survey (SDSS, Abazajian et al. 2004, 2005). Individual galaxy data comes from Kirby et al. (2013, pink), Mouhcine et al. (2011, green), and Woo et al. (2008, cyan). Metal ejection efficiency In spite of the statistical dispersion seen in the observation data of Figure 8.10, there is a clear drop in the metallicity of galaxies below 1010 M⊙ . In our model, stellar masses below 1010 M⊙ correspond to the transition between galaxies dominated by radiative pressure feedback, and lower-mass galaxies dominated by mechanical energy feedback. For low-mass galaxies, bubbles eject a significant fraction fin of the metals produced by stars directly in the halo instead of staying confined inside galaxies. Moreover, depending on the energy contained in galactic outflows, some of those metals may escape into the IGM. Overall, the drop in the metallicity seen at the low-mass end of Figure 8.10 is mainly due to the low stellar mass. Indeed, the amount of stars sets the mass of metals present in the system. But according to our model, galaxies below 1010 M⊙ should also appear metal poor because a greater fraction of the metals produced by stars does not reside inside galaxies, but rather outside in the halos and the IGM. This scenario is consistent with the work of Peeples & Shankar (2011) who showed that the metal ejection by outflows has a steeper dependence on the galaxy mass than for the total mass contained in those outflows, suggesting that low-mass galaxies are more efficient in expelling metals (see also Recchi & Hensler 2013). Our results are also consistent with the work of Tremonti et al. (2004) who used the SDSS to show that low-mass galaxies up to 1010 207 M⊙ can efficiently eject metals with their outflows. Enrichment of the components At the end of a simulation, for every galaxy, we can compute how much metals have escaped into the IGM, how much reside in the halo and inside the galactic gas, and how much is locked into stars (Fig. 8.11). In general, most of the metals are not found inside galaxies. They are rather found in the halos or in the IGM. As already described above, low-mass galaxies are the best candidates to enrich the IGM, both because of their metal ejection efficiency, and because of their abundance in the Universe relative to more massive galaxies. However, this conclusion must be taken with caution, since we do not yet consider other sources of enrichment like AGN feedback, ram-pressure stripping, and close encounters between galaxies. Figure 8.11 – Fraction of the total mass of metals (solid lines) and Fe (dotted lines) produced by stars that reside inside the different components of our model as a function of the current stellar masses of our simulated galaxies. The galaxy component (blue) represents the sum of the cold and hot components. The stellar component (green) has been corrected for the mass lost by stellar winds and SNe. The black line shows the fraction of metals added in the IGM by halo outflows. At the end of our simulations, as seen in Figure 8.11, the metals present inside galaxies are mainly found in the gas components (blue line) in the case of low-mass galaxies, and in the stars (green line) in the case of intermediate-mass galaxies. This happens because the gas fraction inside galaxies decreases with increasing stellar mass (Fig. 8.12). Our results match the observations shown in that last figure because of the critical mass used in the star formation process, which has been taken from Croton et al. (2006). For galaxies with present stellar masses below 108.5 M⊙ , iron is more confined to the galactic gas, in comparison to the global metallicity. The enrichment in iron mainly comes from the contribution of SNe Ia, which are 208 not included in the production of bubbles. Most of the iron produced by stars must therefore be mixed to the galactic gas before being ejected in the halo by radiative pressure or by the sweeping process of bubbles. This dilution prior the ejection makes the enrichment of iron, outside galaxies, less efficient than in the case of other elements that are mainly produced by massive stars. This is the same scenario for every element that is mainly produced by lowand intermediate-mass stars. Because of their higher gas content, the effect of dilution is more significative in very low-mass galaxies (see Fig. 8.12). Figure 8.12 – Hydrogen mass fraction as a function of the current stellar masses of galaxies. The solid line shows the predictions of our model for the hydrogen inside the cold gas component. The colored symbols correspond to the sum of the observed HI and H2 masses derived by Boselli et al. (2014, red), Catinella et al. (2013, orange), Leroy et al. (2008, blue), and Saintonge et al. (2011, green). 8.8 Summary and conclusions We presented our SAM used to generate the evolution of low- and intermediate-mass galaxies. This model is going to be included in large-scale cosmological simulations as a subgrid treatment to study how galaxies interact with their surrounding, and how they enrich the IGM. Our model takes into account gas cooling and accretion, star formation, chemical enrichment, and feedback in the form of galactic outflows. We use the mechanical energy and the mass ejected by stars to produce interstellar bubbles and to launch E-driven outflows. We use the radiative pressure of massive stars, which is based on the SFR, to power M-driven outflows. For now, we do not take into account mergers and the gravitational effects of a close encounter between two galaxies. We however include a smooth accretion coming from the IGM. We do not consider very massive galaxies for which an AGN should be implemented. 209 The goal of this paper was not so much about understanding how galaxies evolve, but more about testing our model to make sure that it behaves correctly. It is important to test it before moving on to large scale, because once our model runs in parallel with cosmological simulations, thousands of galaxies will evolve at the same time, which is also why our model needs to be simple in order to save computing time. We will probably need to readjust our free parameters after the coupling with large-scale simulations, because our model is tuned to reproduce the evolution of isolated galaxies. But nevertheless, we showed that our model, with its feedback prescription, is already able to reproduce several observed characteristics of galaxies, with reasonable values for our parameters. Our model predicts that the evolution of galaxies with stellar masses below about 1010 M⊙ is dominated by the production of E-driven outflows. Higher-mass galaxies is dominated by the feedback coming from the radiative pressure of massive stars. This is consistent with the observed metal ejection efficiency, relative to the total mass ejected by outflows, which seems to be higher for low-mass galaxies than for massive ones. As a matter of fact, the mass ejected by E-driven outflows contains a significant fraction of the interior of interstellar bubbles, which includes the metals freshly ejected by massive stars. With the thermal energy contained in bubbles when they break out of galaxies, an E-driven outflow has a greater impact on its surrounding than a M-driven outflow. According to our model, only galaxies with stellar masses below about 108 M⊙ are able to enrich the IGM. Above this mass, a significant fraction of the metals produced by stars should still be out of the galaxies, but still bounded to the system. It is worth noting that, at this point, other sources of enrichment, like galaxy disruption, gas stripping, and post-merger starbursts, are not yet considered. As explained throughout this paper, several SAMs have already been used in the literature as a sub-grid treatment for galaxy evolution. Those SAMs are either focused on the properties of galaxies (White & Frenk 1991; Cole et al. 2000; Springel et al. 2001; Hatton et al. 2003; Baugh 2006; Croton et al. 2006; Monaco et al. 2007; Somerville et al. 2008b; Lagos et al. 2013) or on the effects of large-scale outflows on the evolution of the IGM (Tegmark et al. 1993; Scannapieco et al. 2002; Desjacques et al. 2004; Bertone et al. 2005, 2007; Samui et al. 2008; Germain et al. 2009; Pinsonneault et al. 2010; Barai et al. 2011). But the ones focused on galaxies do not usually explore the evolution of the IGM over time. On the other hand, SAMs that focused on the evolution of the IGM do not usually use a detailed prescription for the evolution of galaxies. However, there has been a few attempts to combine both types of approaches. Bertone et al. (2005, 2007) applied the SAM of Springel et al. (2001) to the results of the Millenium simulation (Scannapieco et al. 2005). In this case, the outflows were included a posteriori after the cosmological simulation has been performed. Pinsonneault et al. (2010) performed a cosmological simulation in which galactic outflows were evolved simultaneously, but they did not use a detailed galaxy evolution model, and the simulation did not include hydrodynamics. Our goal is to include our SAM into a cosmological hydrodynamical simulation, 210 and simulate the growth of large-scale structures, the evolution of the IGM, and the evolution of galaxies simultaneously, in order to study how they affect one another. Our model differs from other SAMs in the following ways : – we use up-to-date stellar models to calculate the stellar mechanical luminosities and mass-loss rates, – we consider E-driven and M-driven outflows simultaneously during the evolution of galaxies, – we include the evolution of interstellar bubbles to generate E-driven outflows (but see Lagos et al. 2013), – we compute the feedback efficiency parameter ǫ instead of assuming a constant value, – the mass ejected in the IGM depends on both the mass and the energy injected in the halo. In this paper, every galaxy evolved isolated from the other galaxies. But when our model will be implemented in large-scale cosmological simulations, several additional processes will be included such as major mergers, ram pressure, tidal stripping, galaxy harassment and disruption, and interactions with outflows coming from neighbor galaxies. As in any model, there is room for further improvement. For example, we do not consider different shape of galaxies, and we always assume the same ratio between the scale-height and the scale-length of a disc. We do not consider any molecular phase in which stars should form. Although we consider an interaction between the accretion process and galactic outflows, we always compute the mass accreted from the halo in the same way with or without the presence of an outflow, which is by considering that the gas inside the halo is always distributed as an isothermal sphere. But one of the purposes of our SAM is to generate good inputs for a large-scale simulation. Since we are able to reproduce the stellar mass, the average stellar metallicity, and the amount of cold gas inside galaxies, we assume that our model produces enough metals and enough outflows, which is essential in order to study the relation between galaxies and their surrounding medium. We then believe that our model is realistic enough for our needs, and could be introduced in cosmological simulations to treat low- and intermediate-mass galaxies. This research is supported by the Canada Research Chair program and NSERC. BC is supported by the FQRNT graduate fellowship program. 211 Chapitre 9 Modèle galactique ouvert à double rétroaction - suppléments Ce chapitre présente quelques résultats supplémentaires à la publication présentée au chapitre précédent. Le MSA utilisé est donc le même que celui illustré à la Figure 8.1. 9.1 Densité du gaz froid Tel que présenté dans le chapitre 7, la densité du milieu ambiant joue un rôle majeur dans l’évolution des bulles interstellaires. Dans le MSA ouvert à double rétroaction, les bulles évoluent dans le gaz froid qui possède une densité variable dans le temps. Il est bien de rappeler que le gaz froid dans notre MSA inclut tout le gaz galactique qui n’est pas chauffé par une onde de choc. Cela comprend donc à la fois les nuages moléculaires et le gaz ionisé. D’après la Figure 9.1, au moment de formation d’une galaxie à z = 10, la densité du gaz froid était environ 1000 fois plus élevée que sa valeur actuelle, ce qui est principalement causé par la configuration compacte des objets à hauts décalages vers le rouge. La densité du gaz dans les galaxies naines est supérieure à celle des galaxies plus massives, car les galaxies de faible masse possèdent en général une plus grande réserve de gaz (voir Figure 8.12). En moyenne, la densité de particules actuelle des galaxies simulées est de l’ordre de 1 cm−3 , ce qui est consistant avec les valeurs observées dans le gaz diffus du MIS (Lequeux 2002). 9.2 Enrichissement chimique La Figure 9.2 présente, à titre d’exemple, l’évolution temporelle de la métallicité des différentes composantes de gaz d’une galaxie de faible masse. Cette figure montre clairement que la métallicité (panneau du bas) n’est aucunement représentative de la quantité nette de métaux présents dans une composante de gaz (panneau du haut). En effet, la métallicité Z n’est qu’un ratio entre la masse des métaux MZ et la masse totale d’un gaz. Ainsi, même si le gaz chaud 213 Figure 9.1 – Densité du gaz froid en fonction de l’âge d’une galaxie depuis sa formation à z = 10 selon notre MSA. Les différentes couleurs montrent des galaxies simulées de masses différentes. Les valeurs numériques indiquées représentent le logarithme de la masse stellaire actuelle de chaque galaxie. possède une métallicité supérieure à celles du gaz froid et du gaz du halo, cette composante ne comprend en réalité qu’une fraction négligeable de la masse totale des métaux présents dans le système. La métallicité de chaque composante de gaz est le résultat d’un équilibre entre les processus d’enrichissement et de dilution de métaux. Dans le cas du gaz chaud, l’enrichissement provient des étoiles massives alors que la dilution provient de l’évaporation du gaz froid balayé par les bulles. Pour ce qui est du halo, l’enrichissement et la dilution proviennent respectivement des vents galactiques et de l’accrétion du MIG. Pour la composante de gaz froid, l’enrichissement provient principalement du refroidissement des bulles interstellaires et des SNe Ia, mais peut également provenir du refroidissement du halo si la métallicité de cette composante est supérieure à celle du gaz froid. Dans le cas contraire, le refroidissement du halo agit comme agent de dilution. Les vents stellaires des étoiles de faible masse ont tendance à diluer la métallicité, car les éjectas sont très faibles en métaux (voir chapitre 3). De plus, l’accrétion du MIG peut également diluer la métallicité de la composante froide lorsque le mode d’accrétion est froid. Mais en général, comme le montre le panneau du haut de la Figure 9.2, la quantité nette de métaux augmente continuellement dans toutes les composantes de la galaxie. 214 Figure 9.2 – Masse de métaux (haut) et métallicité (bas) associées aux composantes de gaz d’une galaxie de masse stellaire actuelle de 108.13 M⊙ . Les différentes couleurs représentent des composantes de gaz différentes. Initialement, comme le montre le panneau du bas de la Figure 9.2, les métallicités des composantes chaude et froide sont similaires. Cela est causé par le fait que les bulles interstellaires produisent rapidement des vents galactiques, ce qui ne laisse pas le temps au gaz chaud de s’enrichir significativement. En effet, les éjectas des étoiles massives prennent un certain temps avant d’éjecter leurs couches externes d’hydrogène et d’hélium et de contribuer à l’enrichissement chimique. Ainsi, lorsque le contenu des bulles se transfère trop rapidement dans le halo, la source principale d’enrichissement du gaz chaud devient donc l’évaporation du gaz froid balayé, ce qui explique le rapprochement entre les métallicités des composantes chaude et froide, puisque la majorité de la masse présente dans une bulle provient du gaz froid évaporé. Mais lorsque la galaxie devient assez volumineuse, en raison de l’accrétion du MIG (voir Figure 6.5), les bulles subsistent suffisamment longtemps pour que les éjectas des étoiles 215 massives redeviennent la source dominante de l’enrichissement du gaz chaud, ce qui se produit après un milliard d’années d’évolution dans le cas présenté à la Figure 9.2. Par la suite, la métallicité du gaz chaud atteint un maximum avant de se faire diluer de manière quasi-linéaire à travers le temps. L’évolution de la métallicité du gaz chaud possède donc trois phases : celle où les éjectas des étoiles massives sont pauvres en métaux, celle où les éjectas deviennent riches en métaux, et celle où le processus de dilution devient dominant face à l’enrichissement 1 . Figure 9.3 – Masse de métaux (haut) et métallicité (bas) associées aux composantes de gaz d’une galaxie de masse stellaire actuelle de 1010.24 M⊙ . Les différentes couleurs représentent des composantes de gaz différentes. Dans la Figure 9.2, l’augmentation de la métallicité du gaz froid (panneau du bas) après deux milliards d’années coïncide avec l’augmentation de la masse totale de métaux présents dans le gaz chaud (panneau du haut). À partir de ce moment, le refroidissement interne des bulles devient significatif et contribue à l’enrichissement du gaz froid. Il est bien de rappeler que 1. Plus une bulle est volumineuse, plus la masse du gaz pressurisée sera dominée par le gaz froid évaporé. 216 l’efficacité du refroidissement radiatif est très sensible à la métallicité du gaz en question. Dans le cas des galaxies dominées par les vents galactiques propulsés par les bulles interstellaires, la majorité des métaux doivent d’abord passer par le halo avant d’être introduits dans le gaz froid. Ainsi, la source d’enrichissement principale du gaz galactique devient donc le refroidissement du halo, ce qui peut être associé au processus de fontaines galactiques (voir section 1.2.1). Pour cette raison, comme le démontre le panneau du bas de la Figure 9.2, la métallicité du gaz froid est limitée à celle du halo. Figure 9.4 – Métallicité des composantes de gaz des galaxies à la fin des simulations en fonction de leur masse stellaire actuelle. Les différentes couleurs représentent des composantes de gaz différentes. La Figure 9.3 présente le cas d’une galaxie de masse intermédiaire où les bulles interstellaires n’ont pas tendance à produire de vent galactique. Les bosses visibles dans la métallicité des composantes de gaz, après trois milliards d’années d’évolution, sont causées par le mode d’accrétion du MIG qui passe de froid à chaud. Ainsi, en perdant une source de dilution, les métallicités des composantes chaude et froide s’équilibrent vers des valeurs plus élevées. À l’inverse, en approvisionnant le halo plutôt que le gaz galactique, l’accrétion du MIG tend à diluer la métallicité du halo. Un aspect intéressant de la Figure 9.3 est que, contrairement à la Figure 9.2, la métallicité du gaz froid est toujours supérieure à celle du halo. En effet, dans le cas des galaxies de masse intermédiaire, les métaux sont retournés dans le gaz froid avant d’être éjectés dans le halo. Mais puisqu’il y a significativement plus de gaz dans les halos que dans les galaxies, les vents galactiques ne parviennent jamais à élever la valeur de la métallicité 217 du halo à celle du gaz froid. La Figure 9.4 montre la métallicité des différentes composantes de gaz à la fin des simulations en fonction de la masse stellaire actuelle des galaxies. 9.2.1 Rapidité de l’enrichissement Les Figures 9.2 et 9.3 suggèrent que l’enrichissement du gaz froid, en terme de Z, atteint rapidement un plateau à l’intérieur de quatre milliards d’années seulement. Par la suite, même si la quantité nette de métaux continue d’augmenter, la métallicité globale du gaz ne semble pas varier significativement. Comme l’illustre la Figure 9.5, ce phénomène d’enrichissement rapide s’observe dans tous les MSAs présentés dans cette thèse 2 . La seule façon d’empêcher l’apparition d’un plateau d’enrichissement est de négliger l’accrétion du MIG, mais d’imposer un TFS constant comme s’il y avait de l’accrétion, ce qui est similaire au modèle d’enrichissement présenté au chapitre 3. Mais tel que mentionné dans la section 3.6.1, ce type de modèle tend à surestimer la quantité d’étoiles de faible métallicité dans une galaxie, ce qui signifie que le gaz froid devrait s’enrichir plus rapidement que ce que le suggère la courbe verte du panneau du bas de la Figure 9.5. D’un autre côté, il est possible que les galaxies s’enrichissent plus lentement que ce que le suggèrent nos trois MSAs. Dans ce cas, cela signifierait que la formation stellaire est trop efficace au début des simulations. Mais pour l’instant, il est trop tôt pour tirer cette conclusion et pour modifier les lois de la formation stellaire dans les MSAs. Il est préférable d’attendre que le MSA ouvert à double rétroaction soit couplé à une simulation à grande échelle afin de vérifier si cet enrichissement rapide survient toujours lorsque les galaxies sont analysées de manière statistique dans un contexte cosmologique. 9.2.2 Abondance d’oxygène Dans le chapitre précédent, nous avons présenté, à la Figure 8.10, une comparaison entre les prédictions de notre MSA et les observations de la métallicité des étoiles, en termes de [Fe/H], en fonction de la masse stellaire actuelle des galaxies. Il a été relativement simple de fournir ces dernières prédictions, car nous savons que les étoiles se forment à partir du gaz froid. Mais outre l’observation des raies d’absorption stellaires dans le spectre des galaxies, les raies d’émission de l’oxygène sont également utilisées dans la littérature pour caractériser la métallicité des galaxies. Puisqu’il s’agit de raies d’émission, le gaz impliqué dans ce type d’observation est le gaz ionisé. Mais dans notre modèle, nous avons du gaz ionisé à la fois dans la composante froide et dans la composante chaude. Pour cette raison, il est difficile de fournir de bonnes prédictions en ce qui concerne l’enrichissement de l’oxygène du gaz galactique, car l’oxygène observé pourrait représenter un mélange entre nos composantes chaude et froide. D’ailleurs, comme le montre la Figure 9.6, pour les galaxies de faible masse, les données 2. La bande rose entre 0 et 1 milliard d’années dans le panneau du bas de la Figure 9.5 est le résultat du gaz froid qui se vide et se remplit de manière périodique. La métallicité du gaz froid varie donc énormément puisque les métaux éjectés par les étoiles sont déposés parfois dans un milieu riche en gaz, et parfois dans un milieu pratiquement vide. 218 Figure 9.5 – Évolution temporelle de la masse de matière sombre normalisée (haut), de la masse stellaire normalisée (milieu) et de la métallicité du gaz froid en fonction du type de MSA utilisé. Les valeurs normalisées le sont par rapport à leur valeur à z = 0, c’est-à-dire à la fin des simulations. Les MSAs semi-ouvert (orange), ouvert à simple rétroaction (rose) et ouvert à double rétroaction (noir) ont respectivement été présentés aux chapitres 5, 6 et 8. Les lignes vertes sont associées à un MSA sans accrétion du MIG où le TFS a été fixé à une valeur constante (voir chapitre 3). Les résultats représentent une galaxie qui possède approximativement la masse de la Voie Lactée à la fin des simulations. d’observations se situent entre les prédictions du gaz chaud et celles du gaz froid. Cependant, lorsque l’écart entre les prédictions de ces deux composantes est suffisamment réduit, c’est-àdire pour les galaxies de masses stellaires supérieures à 109 M⊙ , nous voyons que nos résultats sont consistants avec les observations. 219 Figure 9.6 – Abondance d’oxygène dans le gaz galactique à la fin des simulations en fonction de la masse stellaire actuelle des galaxies. Les deux lignes noires représentent les abondances associées au gaz chaud et au gaz froid. Les symboles de couleur présentent les résultats d’observations de Lee et al. (2006, vert), de Andrews & Martini (2013, rouge) et de Zahid et al. (2013, bleu). 9.3 Formation stellaire La Figure 8.7 du chapitre précédent illustre l’évolution du TFS des galaxies simulées à l’aide de notre MSA ouvert à double rétroaction. Comme le montre cette figure, le TFS d’une galaxie augmente en général durant les trois premiers milliards d’années d’évolution avant de diminuer progressivement durant le reste de la simulation. Mais tel que mentionné dans la section 8.7 du chapitre précédent, les galaxies sont, à la fin des simulations, 100 fois plus massives qu’à leur époque de formation (z = 10). Ainsi, puisque le TFS dépend grandement de l’approvisionnement en gaz en provenance du MIG, il est donc contre-intuitif a priori de s’imaginer que le TFS d’une galaxie puisse diminuer avec le temps. Mais comme l’a montré le panneau du haut de la Figure 9.5, la croissance en masse d’une galaxie est très rapide dans les premiers temps de son évolution. En fait, chaque galaxie augmente sa masse totale par un facteur 10 durant le premier milliard d’années d’évolution, ce qui explique la montée initiale des TFSs présentés dans la Figure 8.7. À partir de ce moment, jusqu’à la fin d’une simulation, une galaxie deviendra 10 fois plus massive, mais cette croissance sera contre-balancée par l’augmentation des échelles de temps associées à l’approvisionnement en gaz et à la formation stellaire (Figure 9.7). En effet, comme le montre cette dernière figure, chacun de ces temps 220 caractéristiques devient environ cinq fois plus long entre 3 et 13 milliards d’années d’évolution. Cela se produit parce que la configuration spatiale des galaxies devient de moins en moins compacte avec le temps. Ainsi, même si une galaxie devient environ 10 fois plus massive durant ses derniers 10 milliards d’années d’évolution, la vitesse d’approvisionnement en gaz et la vitesse à laquelle les étoiles se forment diminuent suffisamment pour contre-balancer l’effet de la croissance de la masse d’une galaxie, ce qui résulte en un TFS qui diminue avec le temps. Figure 9.7 – Temps caractéristiques associés aux processus de la formation stellaire (ligne bleue) et du refroidissement du halo (ligne noire) en fonction de l’âge d’une galaxie depuis sa formation à z = 10. Les temps caractéristiques sont normalisés par rapport à leur valeur actuelle à z = 0. Pour l’instant, nous nous sommes concentrés seulement sur l’évolution temporelle du TFS des galaxies ainsi que sur leur masse stellaire actuelle. La Figure 9.8 montre une comparaison entre les prédictions de notre modèle et les observations actuelles du TFS spécifique 3 des galaxies en fonction de leur masse stellaire. Cette comparaison consiste en une contrainte supplémentaire qui nous permettra de mieux ajuster la valeur de nos paramètres libres. Comme le montre cette dernière figure, nos résultats sont relativement consistants avec les observations de Schiminovich et al. (2007). Mais il est fort probable que ces prédictions changent lorsque le MSA sera couplé à une simulation cosmologique. En effet, pour l’instant, nos résultats ne représentent qu’un seul scénario, celui d’une galaxie isolée qui se forme à z = 10. Mais, dans un contexte cosmologique, il existe une multitude de scénarios où une galaxie peut se retrouver 3. Le TFS spécifique est le TFS divisé par la masse stellaire d’une galaxie. 221 à z = 0 avec une masse stellaire donnée. Puisque chaque scénario peut engendrer un TFS spécifique différent, les prédictions constitueront ainsi une moyenne sur tous les scénarios se produisant à l’intérieur du volume de simulation. Figure 9.8 – Taux de formation stellaire spécifique actuelle des galaxies en fonction de leur masse stellaire. La ligne noire montre les prédictions de notre MSA ouvert à double rétroaction. Pour les galaxies présentant des TFSs épisodiques, une moyenne a été effectuée sur le dernier sursaut de formation stellaire afin de calculer la valeur du TFS spécifique. Les symboles de couleur présentent les résultats d’observations de Salim et al. (2007, vert), de Schiminovich et al. (2007, bleu) et de Leroy et al. (2008, rose). 9.4 Paramètre d’entrainement Le panneau du bas de la Figure 8.8 a présenté le paramètre d’entrainement total des vents galactiques en fonction de la masse stellaire actuelle des galaxies. Ce paramètre représente le ratio entre la masse totale de gaz éjecté par les vents galactiques et la masse d’étoiles actuelle de chaque galaxie à la fin d’une simulation. La Figure 9.9 montre l’évolution de ce paramètre en fonction du temps et de la masse des galaxies, et ce, pour les vents galactiques propulsés par l’énergie mécanique (panneau du haut) et par la pression radiative (panneau du bas). Dans ce dernier panneau, le paramètre d’entrainement est obtenu en divisant le taux d’éjection d’un vent galactique par le TFS. Mais dans le cas des vents galactiques produits par l’énergie mécanique (panneau du haut), c’est-à-dire par les bulles interstellaires, il est difficile d’illustrer ce paramètre, car la production d’un vent galactique est décalée dans le temps par 222 rapport à la formation stellaire. En effet, un certain délai est nécessaire pour qu’une bulle interstellaire puisse se développer au point d’éjecter du gaz dans le halo. Ainsi, dans certains cas, le vent galactique se produit lorsque la formation stellaire est en arrêt, ce qui fait diverger le paramètre d’entrainement. Pour pallier à ce problème, nous présentons la version cumulée de ce paramètre, qui est donc défini par le ratio entre la masse éjectée cumulée et la masse totale d’étoiles formées en fonction du temps. Figure 9.9 – Paramètres d’entrainement des vents galactiques propulsés par l’énergie mécanique (haut, valeur cumulée) et par la pression radiative (bas, valeur non cumulée) en fonction de l’âge d’une galaxie depuis sa formation à z = 10. Les différentes couleurs représentent des galaxies de masses différentes. Les valeurs numériques sont associées au logarithme de la masse stellaire actuelle de chaque galaxie considérée. Dans le cas d’un vent galactique propulsé par la pression radiative (panneau du bas de la Figure 9.9), une galaxie de faible masse éjecte plus efficacement son gaz qu’une galaxie plus massive, en raison de son faible puits de potentiel gravitationnel. La situation est cependant 223 plus complexe dans le cas d’un vent galactique propulsé par les bulles interstellaires. Dans ce cas, la quantité de gaz éjectée ne dépend pas simplement de la masse de la galaxie mais également de sa taille (voir section 8.7.3). Ainsi, avec un vent galactique propulsé par les bulles interstellaires, une galaxie de faible masse présentera en général un paramètre d’entrainement plus faible, simplement parce qu’il y a moins de gaz à balayer avant qu’un vent galactique ne soit produit. Une chute du paramètre d’entrainement est observée dans la galaxie de M⋆ = 109.18 M⊙ (ligne orange) du panneau du haut de la Figure 9.9, car à ce moment, les bulles interstellaires arrêtent de produire des vents galactiques. Dans ce cas précis, la masse éjectée cumulée reste constante dans le temps, alors que la masse stellaire continue d’augmenter, ce qui fait diminuer le paramètre d’entrainement cumulé. 224 Chapitre 10 Fonctionnement du code Ce chapitre présente un aperçu du fonctionnement du code de notre MSA à double rétroaction. Le but n’est pas de fournir une description détaillée de son fonctionnement interne, mais d’établir une base qui permet de comprendre comment le MSA sera couplé à une simulation hydrodynamique à grande échelle. Le code a entièrement été construit à l’aide du langage de programmation Fortran77 . 10.1 Sous-routines Nous présentons ci-dessous, dans un ordre arbitraire, la liste des sous-routines utilisées dans le code ainsi que leur fonctionnalité. initialisation() Ajuste les paramètres du halo de matière sombre. Initialise les variables cumulatives, la distribution du gaz et sa composition. lire_table_lambda() Lecture des tables de fonctions de refroidissement Λ(T ,Z) de Sutherland & Dopita (1993). interpoler_lambda() Calcul des coefficients d’interpolation des fonctions Λ par rapport à la température T du gaz, et ce, pour chaque métallicité Z considérée dans les tables. get_lambda() Retourne la valeur de Λ interpolée selon Z pour une température donnée. interpoler_c_DM() Calcul des coefficients d’interpolation pour le paramètre de concentration cDM du halo de matière sombre. 225 lire_fichiers_in() Lecture de la luminosité mécanique et du taux de perte de masse, avec sa composition chimique, associées aux populations d’étoiles en fonction de leur âge et de leur métallicité. interpoler_in() Calcul des coefficients d’interpolation de la luminosité mécanique et du taux de perte de masse, avec sa composition chimique, par rapport à la métallicité. Les coefficients sont calculés pour chaque pas de temps ∆tin 1 considéré dans les fichiers d’entrée. Cette sous-routine n’est exécutée qu’une seule fois lors de l’initialisation du modèle et nous conservons les coefficients d’interpolation en mémoire. Cela nous évite d’interpoler à chaque fois qu’une population d’étoiles évolue durant l’évolution d’une galaxie. calculer_refroidissement() Calcule le taux de refroidissement du halo en M⊙ an−1 . calculer_TFS() Calcule le TFS en M⊙ an−1 . actualiser_systeme() Avance tout le système d’un pas de temps ∆tMSA . Il s’agit de la sous-routine principale qui est exécutée en boucle jusqu’à ce qu’une galaxie atteigne un décalage vers le rouge de zéro. initialiser_variables() Initialise les variables qui doivent être remises à zéro à chaque pas de temps ∆tMSA . cumuler_variables() Cumule certaines variables afin d’obtenir un bilan total à la fin d’une simulation. former_etoiles() Forme une nouvelle population d’étoiles et initialise ses caractéristiques. ajouter_acc() Transfère une partie du gaz du halo dans le gaz froid. ajouter_acc_mig() Calcule le taux d’accrétion du MIG en M⊙ an−1 et ajoute le gaz dans le halo ou dans la composante froide, selon le mode d’accrétion. calculer_cond_froid() Calcule la densité et la pression du gaz froid. calculer_V_gal() Calcule le volume de la galaxie. 1. Nous référons le lecteur à la section 10.4 pour plus de détails sur la gestion des différents pas de temps dans le code. 226 actualiser_viriel() Actualise les paramètres du halo de matière sombre virialisé. enlever_halo() Enlève une partie du gaz du halo. enlever_chaud() Enlève une partie du gaz chaud. enlever_froid() Enlève une partie du gaz froid. ajouter_halo() Ajoute du gaz au halo. ajouter_chaud() Ajoute du gaz à la composante chaude. ajouter_froid() Ajoute du gaz à la composante froide. ecrire_resultats() Écriture des résultats dans les fichiers de sortie. actualiser_Z() Actualise la métallicité des trois composantes de gaz. evolution_etoiles() Calcule l’énergie mécanique et la masse retournées par toutes les populations d’étoiles durant un pas de temps ∆tMSA . calculer_E_M() Calcule l’énergie mécanique et la masse éjectée, avec sa composition chimique, d’une population d’étoiles durant un certain délai de temps. get_L_pop() Calcule et retourne la luminosité mécanique d’une population d’étoiles en fonction de son âge, sa masse et sa métallicité. calculer_dM_pop() Calcule le taux de perte de masse, avec sa composition chimique, d’une population d’étoiles en fonction de son âge, sa masse et sa métallicité. actualiser_age_pop() Actualise l’âge de toutes les populations d’étoiles. 227 get_z() Calcule et retourne le décalage vers le rouge associé à un certain âge de l’Univers. get_t() Calcule et retourne l’âge de l’Univers associé à un certain décalage vers le rouge. calcul_c_DM() Calcule le paramètre de concentration cDM du halo de matière sombre. evolution_bulles() Fait évoluer les bulles d’une population d’étoiles durant un pas de temps ∆tin . Si ce pas de temps est plus long que ∆tbul , qui est la résolution nécessaire pour produire une bulle (voir section 7.4), la sous-routine est automatiquement exécutée en boucle en utilisant le pas de temps ∆tbul jusqu’à ce que le temps couvert devienne égal à ∆tin . cumuler_E_M_bulles() Cumule la masse et l’énergie retournées par une population d’étoiles lorsque ces bulles sont dans la phase d’approximation analytique. initialiser_bulles() Initialise les paramètres des bulles d’une population d’étoiles lorsque ces bulles deviennent des coquilles minces pressurisées. runge_kutta() Avance le rayon et la vitesse d’expansion des bulles d’une population d’étoiles durant un certain délai de temps à l’aide du schéma d’intégration Runge Kutta. actualiser_bulles() Actualise les paramètres des bulles d’une population d’étoiles lorsque ces bulles sont des coquilles minces pressurisées. vent_galactique() Transfère une partie du gaz chaud et du gaz froid dans le halo par l’entremise d’un vent galactique propulsé par les bulles. vent_galactique_M_driven() Transfère une partie du gaz froid dans le halo par l’entremise d’un vent galactique propulsé par la pression radiative. feedback_halo() Gère la réaction du halo face aux perturbations causées par les vents galactiques propulsés par les bulles et par la pression radiative. 228 10.2 Boucle principale Nous présentons ci-dessous la liste des opérations exécutées à chaque pas de temps ∆tMSA dans la sous-routine principale actualiser_systeme(). Cette dernière reçoit toujours en paramètre la nouvelle valeur du pas de temps ∆tMSA . En effet, puisque ce pas de temps est basé sur le temps de chute libre tff du halo de matière sombre (voir section 4.1.5), et que ce dernier évolue avec l’âge d’une galaxie en raison de l’accrétion du MIG, le pas de temps ∆tMSA d’une galaxie varie donc continuellement durant une simulation. − initialiser_variable() − former_etoiles() − ajouter_acc_mig() 2 − vent_galactique_M_driven() − calculer_cond_froid() − evolution_etoiles() 3 − feedback_halo() − actualiser_Z() − calculer_TFS() − calculer_refroidissement() − actualiser_age_pop() − cumuler_variables() 10.3 Couplage avec une simulation hydrodynamique cosmologique La prochaine étape du projet de recherche est de coupler le MSA à une simulation hydrodynamique à grande échelle afin de faire évoluer simultanément des milliers de galaxies dans un contexte cosmologique (voir Figure 1.4). Le code de simulation hydrodynamique, disponible à l’Université Laval, est déjà fonctionnel et a été développé par le professeur Hugo Martel et Vanessa Juneau, une étudiante de troisième cycle. Lorsque le couplage sera fait, la composante du MIG de notre MSA sera remplacée par la simulation hydrodynamique cosmo2. Lorsque le MIG approvisionne directement la galaxie en gaz, c’est-à-dire lorsque le mode d’accrétion est froid, la sous-routine feedback_halo() s’occupe de gérer l’introduction du gaz en présence des vents galactiques (voir section 8.6.3). 3. Cette sous-routine traite l’évolution des bulles en simultané avec l’évolution des étoiles. 229 logique, ce qui permettra de considérer une multitude d’interactions entre les galaxies et leur environnement (Figure 10.1). Les instructions, concernant la manière dont une galaxie devra réagir face à ces interactions, seront passées en paramètre lors de l’appel de la sous-routine actualiser_systeme(). Bien entendu, puisque le MSA n’est pas encore implanté dans le code hydrodynamique, la gestion des différentes interactions présentée dans les prochaines sections n’est pas définitive. Le but de cette section est simplement de fournir les grandes lignes de ce couplage qui est encore en phase de conception. Une étude plus approfondie des différentes interactions devra être faite avant d’implémenter le MSA dans la simulation hydrodynamique. Figure 10.1 – Schéma des interactions possibles entre le MSA et la simulation hydrodynamique cosmologique. Les flèches grises montrent les échanges qui se produisent entre les composantes du MSA. Les flèches noires montrent les différentes interactions qui se produiront entre le MSA et la simulation hydrodynamique. La ligne rouge représente la frontière entre une galaxie et la simulation hydrodynamique. Du côté gauche de cette frontière, les formes ellipsoïdales représentent les galaxies voisines alors que les nuages représentent le gaz environnant ainsi que les structures filamenteuses à grande échelle. 10.3.1 Collision de galaxies Lorsque deux galaxies se retrouveront suffisamment rapprochées et possèderont des conditions orbitales adéquates, une collision surviendra. S’il s’agit d’une collision mineure, la petite galaxie satellite sera absorbée par la galaxie principale et sera supprimée de la mémoire du super-ordinateur. Une façon simple d’intégrer la petite galaxie à la galaxie principale est de fusionner chacune des composantes. Une alternative serait de fusionner les deux composantes d’étoiles, mais d’ajouter tout le gaz de la petite galaxie dans le halo de la galaxie principale. 230 Typiquement, une collision est mineure lorsque la galaxie satellite possède une masse totale inférieure au quart de celle de la galaxie principale (e.g. Lotz et al. 2011). S’il s’agit d’une collision majeure, il est fort probable qu’une onde de choc se produise dans le gaz de la galaxie résultante. Ainsi, une possibilité serait de fusionner les composantes des deux galaxies, mais de rassembler tout le gaz chaud et le gaz froid pour l’introduire dans la composante chaude de la galaxie résultante. L’espace mémoire alloué à la galaxie la plus massive des deux galaxies initiales sera utilisé pour contenir l’information de la galaxie résultante. L’autre galaxie sera tout simplement supprimée de la mémoire. Puisqu’une collision majeure génère habituellement un sursaut de formation stellaire, une partie de gaz chaud devrait être utilisée pour former un grand nombre d’étoiles au moment de la collision. Nous référons le lecteur aux travaux de Croton et al. (2006) pour plus de détails sur l’implantation d’un tel sursaut dans les MSAs. 10.3.2 Accrétion de gaz Dans le référentiel de la simulation à grande échelle, une galaxie sera représentée par une énorme particule de gaz ayant une masse Mvir . Par son attraction gravitationnelle, une particule-galaxie pourra donc attirer les particules de gaz qui se situent dans son environnement. Lorsque la distance entre une particule de gaz et une particule-galaxie sera inférieure à Rvir , le rayon du halo de matière sombre de la galaxie en question, le gaz sera accrété par le MSA et la masse de la particule de gaz sera transférée dans le halo ou dans le gaz froid de la galaxie. Le mode d’accrétion sera déterminé par la quantité d’énergie associée aux particules accrétées. 10.3.3 Vent galactique à grande échelle Lorsqu’une galaxie produira un vent galactique à grande échelle, la masse Mout et l’excès d’énergie injectés dans l’entourage d’une galaxie par le MSA (voir section 8.6.4) seront distribués uniformément dans les particules entourant la galaxie. Cela aura pour effet d’augmenter la masse et la température des particules de gaz en plus de les enrichir. Par la suite, les particules de vent galactique se propageront librement dans l’espace en empruntant les régions de moindre résistance. En plus d’enrichir le MIG, ces particules pourront dans certains cas être accrétées par une galaxie voisine. Dans le cas où l’énergie contenue dans ces particules sera supérieure à l’énergie de liaison de la galaxie qui reçoit les particules, cette galaxie sera disloquée et supprimée de la mémoire (e.g. Pinsonneault et al. 2010). Ce faisant, le gaz de cette galaxie sera dispersé uniformément dans les particules environnantes. 10.3.4 Rencontre proche entre galaxies Lorsque deux galaxies seront sur le point de se rencontrer dans la simulation hydrodynamique sans pour autant entrer en collision, la force gravitationnelle appliquée sur ces deux 231 galaxies pourra tout de même affecter leur évolution. Dans certains cas, une partie de l’énergie cinétique des galaxies en question pourra être transformée en énergie thermique interne, ce qui aura pour effet d’augmenter la taille de ces galaxies. Cela se fera en modifiant les paramètres fondamentaux, soit Rvir , Vvir et Tvir , des halos de matière sombre des galaxies impliquées. Nous référons le lecteur aux travaux de Barai et al. (2009) pour plus de détails sur ce type d’implémentation dans les simulations cosmologiques. D’un autre côté, si l’attraction gravitationnelle produit un effet de marée suffisamment puissant pour surpasser l’énergie de liaison d’une galaxie, cette dernière sera disloquée et supprimée de la mémoire. Dans le cas où un effet de marée sera de puissance modérée, une des deux galaxies pourra perdre une partie de son gaz qui sera distribué dans les particules de la simulation de manière à créer un pont entre les deux galaxies. 10.3.5 Pression de bélier Tel que démontré par les travaux de Benítez-Llambay et al. (2013), une galaxie naine peut perdre sa réserve de gaz lorsqu’elle traverse une région très dense de l’Univers, comme par exemple un filament cosmique. Dans ce cas, le gaz de la galaxie se fait freiner par les forces hydrodynamiques (la pression de bélier) alors que les étoiles et la matière sombre de la galaxie ne subissent pratiquement aucune perturbation. Dans la simulation hydrodynamique, il sera possible d’établir un critère pour déterminer si une galaxie sera affectée ou non par la pression de bélier lors de son déplacement dans l’espace. Ce critère dépendra de la vitesse relative entre la galaxie et son milieu, de la densité de ce milieu ainsi que du puits de potentiel gravitationnel de la galaxie. Lorsque cela se produira, la galaxie continuera d’évoluer, mais sa réserve de gaz sera retirée du MSA. Dans la simulation hydrodynamique, ce gaz arraché sera distribué en forme de trainée dans les particules de haute densité qui se seront retrouvées sur le chemin de la galaxie. Nous référons le lecteur aux travaux de McCarthy et al. (2008) pour plus d’information sur l’implantation de la pression de bélier dans les simulations. 10.4 Gestion des différents pas de temps À la fin de chaque pas de temps ∆thyd de la simulation hydrodynamique, chaque galaxie déjà existante dans la simulation sera traitée en appelant sa sous-routine actualiser_systeme(). Si ∆thyd est supérieur à ∆tMSA 4 , qui est le pas de temps nécessaire pour qu’une galaxie évolue sans être affectée par la résolution temporelle, la sous-routine actualiser_systeme() sera exécutée plusieurs fois en boucle. Le pas de temps ∆tMSA sera utilisé à chaque boucle jusqu’à ce que le temps couvert devienne égal à ∆thyd . Puisque ∆thyd ne sera pas nécessairement un multiple entier de ∆tMSA , la dernière boucle de la sous-routine risque d’utiliser un pas de temps qui sera inférieur à ∆tMSA . 4. Chaque galaxie possède son propre ∆tMSA . 232 Durant l’exécution de la sous-routine actualiser_systeme() d’une galaxie, deux pas de temps additionnels sont impliqués. Le premier est ∆tin 5 et correspond aux sauts d’âge dans les fichiers d’entrée qui fournissent l’évolution temporelle de la luminosité mécanique et du taux de perte de masse des populations d’étoiles. ∆tin est de un million d’années pour les étoiles massives et de 10 millions d’années pour les étoiles de faible masse et de masse intermédiaire. Lorsque la sous-routine evolution_etoiles() est appelée, le MSA suit l’évolution des étoiles durant un temps ∆tMSA . Dans le cas où ∆tMSA est supérieur à ∆tin , les fichiers d’entrée seront intégrés dans le temps par intervalle de ∆tin jusqu’à ce que le temps couvert devienne égal à ∆tMSA . À chaque fois qu’une population d’étoiles évolue dans le MSA, ses bulles interstellaires évoluent en simultané. Lorsque le pas de temps associé à l’évolution des étoiles est supérieur à ∆tbul , qui est le pas de temps nécessaire pour bien résoudre l’évolution temporelle d’une bulle interstellaire, les sous-routines associées à l’évolution des bulles s’exécutent automatiquement en boucle en utilisant un pas de temps ∆tbul . Voici un cours résumé du couplage entre le MSA et la simulation hydrodynamique. À la fin de chaque pas de temps de la simulation hydrodynamique, la configuration de chaque galaxie est modifiée selon les interactions gravitationnelles qu’elles ont subies avec leur environnement (collision majeure, rencontre proche et pression de bélier). Par la suite, la masse en provenance de collisions mineures et de l’accrétion du MIG est ajoutée à chaque galaxie. Après ces opérations, le MSA avance dans le temps chacune des galaxies présentes dans la simulation en plus d’initialiser les galaxies nouvellement formées. Et, au final, chaque galaxie retourne de la masse et de l’énergie dans son environnement, ce qui donne le coup d’envoi à la simulation hydrodynamique pour faire évoluer toutes ses particules durant un nouveau pas de temps ∆thyd . 5. Ce pas de temps est constant et le même pour toutes les galaxies. 233 Chapitre 11 Conclusion Le but ultime de ce projet de recherche est d’étudier, à l’aide de simulations numériques, l’histoire de l’enrichissement chimique du MIG ainsi que les interactions entre les galaxies et leur environnement dans un contexte cosmologique. Les simulations à grande échelle peuvent nous informer sans problème sur les taux d’accrétion de gaz, sur les collisions de galaxies et sur les différents effets gravitationnels occasionnés par la rencontre de galaxies. Ces simulations cosmologiques sont optimisées pour reproduire l’effet de l’environnement des galaxies sur leur évolution. Cependant, d’un autre côté, il est plus difficile de simuler l’impact des galaxies sur leur environnement par l’entremise des vents galactiques. En effet, le niveau de résolution limité d’une simulation à grande échelle ne permet pas de traiter en détail les processus physiques internes des galaxies. Pourtant, il est essentiel de reproduire l’activité stellaire dans chacune des galaxies simulées, car l’énergie et les métaux produits par les étoiles sont à la base de la production des vents galactiques et de l’enrichissement du MIG. Durant ce projet de doctorat, un MSA a été développé afin de fournir un traitement de sous-grille pour gérer l’évolution des galaxies dans une simulation à grande échelle. Cela élimine en partie le problème de résolution, car les galaxies n’ont plus besoin d’être bien résolues pour que leur évolution soit simulée efficacement. L’élaboration d’un tel MSA représente un accomplissement majeur dans le cadre de ce projet de recherche. En effet, dans le but d’étudier l’interaction mutuelle entre les galaxies et leur environnement, il est impératif de pouvoir simuler à la fois l’impact de l’environnement sur les galaxies et l’impact des galaxies sur leur environnement. L’objectif principal de ce projet de doctorat était de concevoir et de modéliser un MSA capable de reproduire les caractéristiques générales des galaxies observées. Le modèle devait pouvoir être exécuté en parallèle avec une simulation hydrodynamique à grande échelle afin d’interagir avec cette dernière. De plus, puisque des milliers de galaxies seront traitées avec le MSA dans la simulation cosmologique, l’évolution d’une galaxie devait être peu couteuse en temps de calcul. Au chapitre 2, nous avons compilé les résultats provenant des modèles stellaires afin de créer des populations complètes d’étoiles à l’aide de la FMI de Chabrier. En combinant ces différentes populations d’étoiles, nous avons développé au chapitre 3 un modèle 235 d’enrichissement chimique qui, tout en restant suffisamment simple pour être utilisé dans un MSA, s’est avéré aussi performant que les meilleurs modèles d’enrichissement qui se retrouvent dans la littérature. Dans le chapitre 4, un modèle de galaxie simplifié a été élaboré afin de démontrer que le TFS dépend davantage du taux d’approvisionnement en gaz que de la rapidité à laquelle se forment les étoiles. Nous avons vu au chapitre 5 que l’implantation d’une source de rétroaction stellaire, sous forme de vent galactique, modifie grandement l’évolution des galaxies et permet de générer différents types de TFSs. L’ouverture complète du modèle a démontré, au chapitre 6, que la considération de l’accrétion du MIG permet de réduire significativement la quantité d’étoiles présentes dans les galaxies, et ce, sans ajuster l’efficacité de la rétroaction stellaire. La théorie des bulles interstellaires a été utilisée dans le chapitre 7 afin de générer des superbulles produites par des populations complètes d’étoiles. Aux chapitres 8 et 9, nous avons démontré que l’utilisation des superbulles et de la pression radiative comme mécanismes de rétroaction permet de reproduire plusieurs caractéristiques générales des galaxies observées. Et finalement, dans le chapitre 10, nous avons survolé comment un tel MSA pouvait être utilisé pour interagir directement avec une simulation hydrodynamique à grande échelle. Ainsi, tout au long de ce document, nous avons vu chronologiquement les différentes étapes de conception qui ont mené à l’élaboration de la version finale de notre MSA. Ce modèle inclut tous les ingrédients de base nécessaires à l’évolution des galaxies de faible masse et de masse intermédiaire. Cela comprend l’approvisionnement en gaz, le refroidissement radiatif, la formation stellaire, l’enrichissement chimique et la rétroaction stellaire. Mis à part le refroidissement du gaz du halo et la loi utilisée pour la formation stellaire, notre MSA se démarque en plusieurs points des modèles qui se retrouvent dans la littérature. En premier lieu, notre modèle d’enrichissement est basé sur des modèles stellaires qui sont à jour et qui incluent les effets de la rotation stellaire dans le cas de l’évolution des étoiles massives. Pour chaque population d’étoiles considérée dans notre modèle, l’enrichissement provient de quatre stades évolutifs. Pour les étoiles massives, nous considérons la contribution des vents stellaires et des SNe de Types II, Ib et Ic. Puisque nous utilisons directement les taux de perte de masse fournis par les modèles stellaires, nous pouvons résoudre la phase Wolf-Rayet des étoiles massives. Dans le cas des étoiles de faible masse et de masse intermédiaire, l’enrichissement provient des vents stellaires des étoiles sur la branche asymptotique des géantes et des SNe Ia. Tout au long du processus d’enrichissement, nous considérons la masse, la métallicité et l’âge de chaque population d’étoiles. Cela permet de mieux déterminer la quantité et la composition du gaz retourné par les étoiles dans le MIS en plus de respecter les différents délais temporels entre la formation des étoiles et l’apparition des différents stades évolutifs. La modélisation de la rétroaction stellaire dans notre modèle est certainement l’élément qui diffère le plus des autres MSAs. Premièrement, nous utilisons deux mécanismes de rétroaction stellaire au lieu d’un. Nous considérons entre autres la pression radiative, qui n’est jamais utilisée dans la production des vents galactiques dans les MSAs qui se retrouvent dans la 236 littérature (voir Tableaux 1.2 et 1.3). De plus, nous utilisons l’énergie mécanique 1 et les éjectas des étoiles massives pour produire des superbulles interstellaires afin de générer le vent galactique des galaxies naines. Les superbulles ont également été implantées dans le MSA de Lagos et al. (2013), mais en tant qu’unique source de rétroaction stellaire. De plus, ce modèle ne considère pas le refroidissement radiatif à l’intérieur des bulles durant leur évolution. Dans notre modèle, nous calculons à chaque pas de temps l’énergie thermique perdue à l’intérieur de chaque superbulle présente dans une galaxie. Cette perte d’énergie dépend de la capacité du gaz chaud et pressurisé de se refroidir, ce qui fait intervenir les fonctions de refroidissement Λ, le volume de la galaxie, la masse et la métallicité du gaz froid, le taux d’injection d’énergie mécanique, la quantité et la métallicité des éjectas, ainsi que la température du gaz à l’intérieur des superbulles. En connaissant la quantité d’énergie thermique qui a été perdue en radiation à l’intérieur des superbulles lorsqu’un vent galactique se développe, il devient alors possible de calculer la fraction de l’énergie mécanique des étoiles qui a été utilisée pour produire le vent. Notre méthodologie élimine donc complètement la nécessité d’utiliser un paramètre d’efficacité dans la production d’un tel vent galactique. Le fait de pouvoir calculer de manière complètement indépendante la masse et l’énergie injectées dans le halo nous permet de mieux évaluer l’impact des vents galactiques sur les conditions physiques des halos qui entourent les galaxies. Les prédictions obtenues à l’aide de ce MSA se sont montrées consistantes avec plusieurs observations : – les abondances des éléments C, N, O, Na, Mg, Al, Si, S, Ca, Cr, Mn, Ni, Cu et Zn dans les étoiles de la Voie Lactée dans le voisinage solaire (Figure 3.3) ; – la relation entre la masse stellaire et la masse du halo de matière sombre des galaxies (Figure 8.6) ; – la relation entre la métallicité des étoiles et la masse stellaire des galaxies (Figure 8.10) ; – la relation entre la masse d’hydrogène et la masse stellaire des galaxies (Figure 8.12) ; – la relation entre le TFS spécifique et la masse stellaire des galaxies (Figure 9.8) ; – l’augmentation de l’efficacité de la rétroaction lorsque la masse stellaire d’une galaxie devient inférieure à 1010 M⊙ (section 8.7.2) ; – et la transition d’un état stable vers un comportement épisodique lorsque la masse stellaire d’une galaxie devient inférieure à 1010 M⊙ (section 8.7.2). Notre MSA prédit que cette masse stellaire critique, 1010 M⊙ , représente la transition entre les galaxies de masse intermédiaire dominées par la rétroaction de la pression radiative et les galaxies de faible masse dominées par la rétroaction des superbulles. Tel que mentionné dans la section 8.8, les valeurs de nos paramètres libres devront probablement être légèrement modifiées lorsque le couplage sera fait entre le MSA et la simulation hydrodynamique à grande 1. L’énergie mécanique est dérivée à l’aide des mêmes modèles stellaires utilisés dans le processus d’enrichissement. 237 échelle. En effet, pour l’instant, le MSA n’est optimisé que pour représenter des galaxies relativement isolées. Malgré tout, nous avons démontré que notre modèle possède déjà la capacité de reproduire plusieurs données observationnelles. Pour cette raison, nous considérons que notre MSA se comporte de manière suffisamment réaliste pour être utilisé comme traitement de sous-grille dans une simulation cosmologique afin de traiter l’évolution des galaxies de faible masse et de masse intermédiaire. Il a été mentionné tout au long de ce document qu’un MSA ne doit pas nécessiter beaucoup de temps de calcul. Tout dépendant de la masse de la galaxie simulée, notre MSA ne prend que de une à 15 minutes pour calculer son évolution durant 13 milliards d’années 2 , ce qui s’avère être très raisonnable. De plus, lorsque le MSA sera implanté dans une simulation à grande échelle, plusieurs galaxies pourront évoluer en parallèle. 11.1 Perspective d’avenir pour la suite du projet de recherche Ce projet de recherche, qui vise à étudier l’évolution des galaxies et de leur environnement à l’échelle cosmologique, est certainement de longue haleine. Mis à part le couplage entre le MSA et une simulation hydrodynamique, le modèle de galaxie pourra toujours être amélioré soit en raffinant les procédés déjà existants ou en y ajoutant de nouveaux éléments. Voici donc, à titre d’exemples, quelques propositions pour la continuité du MSA. Il serait très intéressant d’inclure l’effet d’un NAG dans notre modèle. Cela permettrait d’utiliser simultanément trois mécanismes de rétroaction, ce qui serait une première dans le domaine des MSAs. Le modèle actuel représente bien les galaxies de faible masse et de masse intermédiaire, mais l’ajout d’un NAG permettrait au modèle de considérer absolument tout l’intervalle de masse des galaxies observées dans l’Univers local. Nous référons le lecteur aux travaux de Croton et al. (2006) et de Somerville et al. (2008b) pour des pistes de départ sur l’implantation de ce mécanisme de rétroaction. Nous incitons également le lecteur à consulter l’article de Booth & Schaye (2013) pour une mise en garde sur la possible interaction entre la rétroaction des SNe et celle d’un NAG. Le gaz froid galactique pourrait être décomposé en plusieurs composantes de manière à mieux représenter les différentes phases du MIS. Actuellement, le gaz froid dans notre MSA inclut le gaz diffus ionisé, le gaz atomique neutre et les nuages moléculaires. En assignant une composante à chacun de ces états du MIS, le processus de formation stellaire deviendrait plus réaliste, car les étoiles ne se formeraient désormais qu’à partir du gaz moléculaire. Nous référons le lecteur aux travaux de Popping et al. (2014) pour ce qui est de l’implantation des différentes phases du MIS dans les MSAs. Une méthodologie devra être élaborée afin de gérer l’interaction entre ces nouvelles composantes et l’évolution des bulles interstellaires, particulièrement en ce 2. Le calcul a été effectué sur un Mac Book Pro ayant un processeur Intel Core 2 Duo de 2.4 GHz. 238 qui concerne l’évaporation du MIS balayé, car une bulle peut se propager dans différents types de milieu durant son évolution. Pour l’instant, la morphologie des galaxies dans notre MSA est toujours la même. Il serait intéressant d’inclure la variation et l’évolution de la morphologie des galaxies en fonction de leur masse. Cela aurait comme effet de modifier la densité moyenne du MIS et de perturber l’évolution des bulles interstellaires ainsi que la production de vents galactiques. 11.2 Réflexions sur la méthode semi-analytique Malgré le succès de notre MSA à reproduire certaines observations, il est important de rester prudent en ce qui concerne l’interprétation des résultats. En effet, chaque modèle possède son propre lot de suppositions et de paramètres libres. De plus, malgré leurs différences, plusieurs modèles peuvent reproduire les mêmes observations. Par exemple, nos MSAs ouverts à simple rétroaction (voir Figure 6.8) et à double rétroaction (voir Figure 8.6) peuvent tous deux reproduire la relation observée entre la masse stellaire et la masse de matière sombre des galaxies. Pourtant, ces deux modèles utilisent des prescriptions très différentes pour générer la rétroaction stellaire. D’après le MSA ouvert à simple rétroaction, nous pourrions conclure que l’énergie mécanique des étoiles est entièrement responsable de la régulation du TFS lorsqu’une galaxie n’est pas suffisamment massive pour contenir un NAG. Mais, selon le MSA ouvert à double rétroaction, nous pourrions conclure qu’au-delà d’une certaine masse de galaxie, l’énergie mécanique des étoiles perd son efficacité et laisse place à la pression radiative pour réguler le TFS, et ce, tant qu’une galaxie n’est pas suffisamment massive pour contenir un NAG. Numériquement, il existe plusieurs façons de modéliser et de traiter un phénomène astronomique, et il est toujours possible d’ajouter un paramètre libre afin de modifier un comportement dans le but de faire concorder les prédictions avec les observations. Ainsi, il est possible de reproduire les mêmes observations en utilisant pratiquement n’importe quel modèle. Toutes les personnes qui désirent modéliser un processus ou un objet astronomique doivent être conscientes de ce problème de dégénérescence, c’est-à-dire du fait qu’il n’existe pas de modèle numérique unique pour reproduire une observation. De plus, ce problème de dégénérescence est aussi présent dans chacun des modèles, en raison de l’utilisation de plusieurs paramètres libres. Il n’existe pas a priori de solution unique dans l’ajustement des paramètres libres qui mène à la reproduction d’une observation. Par exemple, dans notre MSA à double rétroaction, si nous étions pour modifier la hauteur caractéristique du disque des galaxies, nous devrions également modifier un autre paramètre libre, qui influe sur l’efficacité des vents galactiques, dans le but de recréer les mêmes résultats. La meilleure solution à ce problème de dégénérescence est sans aucun doute de maximiser le nombre de comparaisons avec les observations. Cela permet de diminuer considérablement le nombre de solutions possibles. 239 Si nous voulons introduire un nouveau paramètre libre ou un nouveau processus physique dans un modèle, il est important que cet ajout soit motivé à la base par une inconsistance entre les prédictions de ce modèle et les observations. Il est bien d’ajouter du réalisme et de la complexité à un modèle, mais sans motivation observationnelle, les différents paramètres seront tout simplement recalibrés, suite à l’ajout, dans le but de recréer les mêmes résultats. Dans ce cas, nous aurons deux modèles, dont un plus complexe, pour reproduire les mêmes observations. Mais si la modification permet de reproduire des observations qui étaient auparavant hors de portée, nous pouvons alors considérer que la modification est nécessaire et justifiée. Par sa nature, un MSA est condamné à faire des suppositions et à simplifier la réalité, car sa force réside dans sa rapidité de calcul. En ce sens, les MSAs sont davantage des outils de travail pour les simulations à grande échelle que des laboratoires pour étudier l’évolution des galaxies. Ces modèles peuvent tout de même s’avérer utiles pour comprendre le fonctionnement général d’une galaxie, mais en raison du problème de dégénérescence, nous devons faire preuve de prudence dans l’interprétation des résultats. 240 Bibliographie Abazajian, K., Adelman-McCarthy, J. K., Agüeros, M. A., & al. 2004, AJ, 128, 502 —. 2005, AJ, 129, 1755 Adibekyan, V. Z., Sousa, S. G., Santos, N. C., Delgado Mena, E., González Hernández, J. I., Israelian, G., Mayor, M., & Khachatryan, G. 2012, A&A, 545, A32 Aguirre, A., Hernquist, L., Schaye, J., Katz, N., Weinberg, D. H., & Gardner, J. 2001a, ApJ, 561, 521 Aguirre, A., Hernquist, L., Schaye, J., Weinberg, D. H., Katz, N., & Gardner, J. 2001b, ApJ, 560, 599 Aguirre, A., & Schaye, J. 2007, EAS Publications Series, 24, 165 Aguirre, A., Schaye, J., Hernquist, L., Kay, S., Springel, V., & Theuns, T. 2005, ApJL, 620, L13 Akerman, C. J., Carigi, L., Nissen, P. E., Pettini, M., & Asplund, M. 2004, A&A, 414, 931 Alves, D. R. 2004, ApJL, 601, L151 Andrews, B. H., & Martini, P. 2013, ApJ, 765, 140 Andrievsky, S. M., Spite, M., Korotin, S. A., Spite, F., Bonifacio, P., Cayrel, R., François, P., & Hill, V. 2010, A&A, 509, A88 Andrievsky, S. M., Spite, M., Korotin, S. A., Spite, F., Bonifacio, P., Cayrel, R., Hill, V., & François, P. 2007, A&A, 464, 1081 —. 2008, A&A, 481, 481 Arnett, D. 1996, Supernovae and Nucleosynthesis : An Investigation of the History of Matter from the Big Bang to the Present Asplund, M., Grevesse, N., Sauval, A. J., & Scott, P. 2009, ARA&A, 47, 481 241 Avedisova, V. S. 1972, SvA, 15, 708 Avila-Reese, V., Colín, P., González-Samaniego, A., Valenzuela, O., Firmani, C., Velázquez, H., & Ceverino, D. 2011, ApJ, 736, 134 Ballero, S. K., Matteucci, F., & Chiappini, C. 2006, NewA, 11, 306 Barai, P., Brito, W., & Martel, H. 2009, JApA, 30, 1 Barai, P., Martel, H., & Germain, J. 2011, ApJ, 727, 54 Barbary, K., Aldering, G., Amanullah, R., & al. 2012, ApJ, 745, 31 Barden, M., Rix, H.-W., Somerville, R. S., & al. 2005, ApJ, 635, 959 Barkana, R., & Loeb, A. 2007, RPPh, 70, 627 Basu, S., Johnstone, D., & Martin, P. G. 1999, ApJ, 516, 843 Bate, M. R. 2009, MNRAS, 392, 1363 Bate, M. R., Bonnell, I. A., & Bromm, V. 2003, MNRAS, 339, 577 Baugh, C. M. 2006, RPPh, 69, 3101 Baumgartner, V., & Breitschwerdt, D. 2013, A&A, 557, A140 Begelman, M. C., Volonteri, M., & Rees, M. J. 2006, MNRAS, 370, 289 Behroozi, P. S., Conroy, C., & Wechsler, R. H. 2010, ApJ, 717, 379 Behroozi, P. S., Wechsler, R. H., & Conroy, C. 2013, ApJ, 770, 57 Bekki, K. 2009, MNRAS, 399, 2221 Bekki, K., & Shioya, Y. 1999, ApJ, 513, 108 Bekki, K., & Stanimirović, S. 2009, MNRAS, 395, 342 Bell, E. F., Phleps, S., Somerville, R. S., Wolf, C., Borch, A., & Meisenheimer, K. 2006, ApJ, 652, 270 Bellovary, J., Volonteri, M., Governato, F., Shen, S., Quinn, T., & Wadsley, J. 2011, ApJ, 742, 13 Benítez-Llambay, A., Navarro, J. F., Abadi, M. G., Gottlöber, S., Yepes, G., Hoffman, Y., & Steinmetz, M. 2013, ApJL, 763, L41 Bennett, C. L., Banday, A. J., Gorski, K. M., Hinshaw, G., Jackson, P., Keegstra, P., Kogut, A., Smoot, G. F., Wilkinson, D. T., & Wright, E. L. 1996, ApJL, 464, L1 242 Bennett, C. L., Halpern, M., Hinshaw, G., et al. 2003, ApJS, 148, 1 Bensby, T., & Feltzing, S. 2006, MNRAS, 367, 1181 Bensby, T., Feltzing, S., Lundström, I., & Ilyin, I. 2005, A&A, 433, 185 Benson, A. J. 2010, PhR, 495, 33 Bergemann, M., & Gehren, T. 2008, A&A, 492, 823 Bertone, S., De Lucia, G., & Thomas, P. A. 2007, MNRAS, 379, 1143 Bertone, S., Stoehr, F., & White, S. D. M. 2005, MNRAS, 359, 1201 Bihain, G., Israelian, G., Rebolo, R., Bonifacio, P., & Molaro, P. 2004, A&A, 423, 777 Bland-Hawthorn, J. 1995, ASAP, 12, 190 Blumenthal, G. R., Faber, S. M., Primack, J. R., & Rees, M. J. 1984, Nature, 311, 517 Boeche, C., Siebert, A., Piffl, T., & al. 2014, A&A, 568, A71 Bonifacio, P., Spite, M., Cayrel, R., & al. 2009, A&A, 501, 519 Booth, C. M., Agertz, O., Kravtsov, A. V., & Gnedin, N. Y. 2013, ApJL, 777, L16 Booth, C. M., & Schaye, J. 2009, MNRAS, 398, 53 —. 2013, NatSR Booth, C. M., Schaye, J., Delgado, J. D., & Dalla Vecchia, C. 2012, MNRAS, 420, 1053 Boselli, A., Cortese, L., Boquien, M., Boissier, S., Catinella, B., Lagos, C., & Saintonge, A. 2014, A&A, 564, A66 Bouché, N., Hohensee, W., Vargas, R., Kacprzak, G. G., Martin, C. L., Cooke, J., & Churchill, C. W. 2012, MNRAS, 426, 801 Bouché, N., Lehnert, M. D., Aguirre, A., Péroux, C., & Bergeron, J. 2007, NMRAS, 378, 525 Boulanger, F., Cox, P., & Jones, A. P. 2000, Infrared Space Astronomy, Today and Tomorrow, 251 Bournaud, F. 2011, EAS Publications Series, 51, 107 Bovy, J., Rix, H.-W., & Hogg, D. W. 2012, ApJ, 751, 131 Bower, R. G., Benson, A. J., & Crain, R. A. 2012, MNRAS, 422, 2816 243 Boylan-Kolchin, M., Springel, V., White, S. D. M., Jenkins, A., & Lemson, G. 2009, MNRAS, 398, 1150 Bromm, V., Coppi, P. S., & Larson, R. B. 1999, ApJL, 527, L5 —. 2002, ApJ, 564, 23 Bromm, V., & Yoshida, N. 2011, ARA&A, 49, 373 Bromm, V., Yoshida, N., & Hernquist, L. 2003, ApJL, 596, L135 Brook, C., Richard, S., Kawata, D., Martel, H., & Gibson, B. K. 2007, ApJ, 658, 60 Brook, C. B., Stinson, G., Gibson, B. K., Wadsley, J., & Quinn, T. 2012, MNRAS, 424, 1275 Brott, I., de Mink, S. E., Cantiello, M., Langer, N., de Koter, A., Evans, C. J., Hunter, I., Trundle, C., & Vink, J. S. 2011, A&A, 530, A115 Brown, E. F., Calder, A. C., Plewa, T., Ricker, P. M., Robinson, K., & Gallagher, J. B. 2005, NuPhA, 758, 451 Bullock, J. S., Dekel, A., Kolatt, T. S., Kravtsov, A. V., Klypin, A. A., Porciani, C., & Primack, J. R. 2001, ApJ, 555, 240 Caffau, E., Bonifacio, P., Faraggiana, R., François, P., Gratton, R. G., & Barbieri, M. 2005, A&A, 441, 533 Cappellaro, E., Evans, R., & Turatto, M. 1999, A&A, 351, 459 Carigi, L., & Peimbert, M. 2008, RMxAA, 44, 341 Carigi, L., Peimbert, M., Esteban, C., & García-Rojas, J. 2005, ApJ, 623, 213 Casagrande, L., Schönrich, R., Asplund, M., Cassisi, S., Ramírez, I., Meléndez, J., Bensby, T., & Feltzing, S. 2011, A&A, 530, A138 Castor, J., McCray, R., & Weaver, R. 1975, ApJL, 200, L107 Catinella, B., Schiminovich, D., Cortese, L., & al. 2013, MNRAS, 436, 34 Cattaneo, A., Mamon, G. A., Warnick, K., & Knebe, A. 2011, A&A, 533, A5 Cayrel, R., Depagne, E., Spite, M., & al. 2004, A&A, 416, 1117 Cescutti, G., Matteucci, F., François, P., & Chiappini, C. 2007, A&A, 462, 943 Cescutti, G., Matteucci, F., Lanfranchi, G. A., & McWilliam, A. 2008, A&A, 491, 401 Chabrier, G. 2003, PASP, 115, 763 244 Chen, L., Hou, J. L., & Wang, J. J. 2003, AJ, 125, 1397 Cheng, J. Y., Rockosi, C. M., Morrison, H. L., Schönrich, R. A., Lee, Y. S., Beers, T. C., Bizyaev, D., Pan, K., & Schneider, D. P. 2012, ApJ, 746, 149 Chevalier, R. A. 1974, ApJ, 188, 501 Chiappini, C., Hirschi, R., Meynet, G., Ekström, S., Maeder, A., & Matteucci, F. 2006, A&A, 449, L27 Chiappini, C., Matteucci, F., & Gratton, R. 1997, ApJ, 477, 765 Chiappini, C., Matteucci, F., & Meynet, G. 2003a, A&A, 410, 257 Chiappini, C., Matteucci, F., & Romano, D. 2001, ApJ, 554, 1044 Chiappini, C., Romano, D., & Matteucci, F. 2003b, MNRAS, 339, 63 Chieffi, A., & Limongi, M. 2003, PASA, 20, 324 Chieffi, A., & Limongi, M. 2004, ApJ, 608, 405 Chiosi, C. 1980, A&A, 83, 206 Choi, J.-H., & Nagamine, K. 2011, MNRAS, 410, 2579 Ciardi, B., & Ferrara, A. 2005, SSRv, 116, 625 Cloet-Osselaer, A., De Rijcke, S., Schroyen, J., & Dury, V. 2012, MNRAS, 423, 735 Colavitti, E., Cescutti, G., Matteucci, F., & Murante, G. 2009, A&A, 496, 429 Cole, S., Lacey, C. G., Baugh, C. M., & Frenk, C. S. 2000, MNRAS, 319, 168 Conroy, C., Prada, F., Newman, J. A., & al. 2007, ApJ, 654, 153 Cooper, J. L., Bicknell, G. V., Sutherland, R. S., & Bland-Hawthorn, J. 2008, ApJ, 674, 157 Côté, B., Martel, H., & Drissen, L. 2013, ApJ, 777, 107 Côté, B., Martel, H., Drissen, L., & Robert, C. 2012, MNRAS, 421, 847 Courteau, S., Cappellari, M., de Jong, R. S., & al. 2014, RvMP, 86, 47 Cox, D. P. 1972, ApJ, 178, 159 —. 2005, ARA&A, 43, 337 Cox, D. P., & Smith, B. W. 1974, ApJL, 189, L105 Crain, R. A., Theuns, T., Dalla Vecchia, C., & al. 2009, MNRAS, 399, 1773 245 Creasey, P., Theuns, T., & Bower, R. G. 2013, MNRAS, 429, 1922 Crenshaw, D. M., Kraemer, S. B., & George, I. M. 2003, ARA&A, 41, 117 Cristallo, S., Straniero, O., Gallino, R., Piersanti, L., Domínguez, I., & Lederer, M. T. 2009, ApJ, 696, 797 Croton, D. J., Springel, V., White, S. D. M., De Lucia, G., Frenk, C. S., Gao, L., Jenkins, A., Kauffmann, G., Navarro, J. F., & Yoshida, N. 2006, MNRAS, 365, 11 Crowther, P. A., Schnurr, O., Hirschi, R., Yusof, N., Parker, R. J., Goodwin, S. P., & Kassim, H. A. 2010, MNRAS, 408, 731 Dahlem, M., Petr, M. G., Lehnert, M. D., Heckman, T. M., & Ehle, M. 1997, A&A, 320, 731 Dahlen, T., Strolger, L.-G., & Riess, A. G. 2008, ApJ, 681, 462 Dahlen, T., Strolger, L.-G., Riess, A. G., & al. 2004, ApJ, 613, 189 Dalla Vecchia, C., & Schaye, J. 2008, MNRAS, 387, 1431 Dall’Ora, M., Botticella, M. T., Pumo, M. L., & al. 2014, ApJ, 787, 139 Davé, R. 2011, EAS Publications Series, 54, 35 Davé, R., Katz, N., Oppenheimer, B. D., Kollmeier, J. A., & Weinberg, D. H. 2013, MNRAS, 434, 2645 Davé, R., Oppenheimer, B. D., & Finlator, K. 2011, MNRAS, 415, 11 de Boer, T. J. L., Tolstoy, E., Hill, V., Saha, A., Olsen, K., Starkenburg, E., Lemasle, B., Irwin, M. J., & Battaglia, G. 2012a, A&A, 539, A103 de Boer, T. J. L., Tolstoy, E., Hill, V., Saha, A., Olszewski, E. W., Mateo, M., Starkenburg, E., Battaglia, G., & Walker, M. G. 2012b, A&A, 544, A73 de Gouveia Dal Pino, E. M., Melioli, C., D’Ercole, A., Brighenti, F., & Raga, A. C. 2009, RMxAA, 36, 17 De Lucia, G., Boylan-Kolchin, M., Benson, A. J., Fontanot, F., & Monaco, P. 2010, MNRAS, 406, 1533 De Lucia, G., Kauffmann, G., & White, S. D. M. 2004, MNRAS, 349, 1101 Debuhr, J., Quataert, E., & Ma, C.-P. 2012, MNRAS, 420, 2221 Decressin, T., Meynet, G., Charbonnel, C., Prantzos, N., & Ekström, S. 2007, A&A, 464, 1029 246 Dekel, A., Birnboim, Y., Engel, G., Freundlich, J., Goerdt, T., Mumcuoglu, M., Neistein, E., Pichon, C., Teyssier, R., & Zinger, E. 2009, Nature, 457, 451 Desjacques, V., Nusser, A., Haehnelt, M. G., & Stoehr, F. 2004, MNRAS, 350, 879 Dilday, B., Smith, M., Bassett, B., & al. 2010, ApJ, 713, 1026 Dionne, D., & Robert, C. 2006, ApJ, 641, 252 Dohm-Palmer, R. C., Skillman, E. D., Saha, A., Tolstoy, E., Mateo, M., Gallagher, J., Hoessel, J., Chiosi, C., & Dufour, R. J. 1997, AJ, 114, 2527 Domainko, W., Mair, M., Kapferer, W., van Kampen, E., Kronberger, T., Schindler, S., Kimeswenger, S., Ruffert, M., & Mangete, O. E. 2006, A&A, 452, 795 Dorfi, E. A. 2004, ApSS, 289, 337 Dray, L. M., Tout, C. A., Karakas, A. I., & Lattanzio, J. C. 2003, MNRAS, 338, 973 Dubois, Y., & Teyssier, R. 2008, A&A, 477, 79 Dunkley, J., Komatsu, E., Nolta, M. R., & al. 2009, ApJS, 180, 306 Efstathiou, G. 2000, MNRAS, 317, 697 Eggen, O. J., Lynden-Bell, D., & Sandage, A. R. 1962, ApJ, 136, 748 Eke, V. R., Cole, S., Frenk, C. S., & Navarro, J. F. 1996, MNRAS, 281, 703 Ekström, S., Georgy, C., Eggenberger, P., & al. 2012, A&A, 537, A146 Ekström, S., Georgy, C., Meynet, G., Maeder, A., & Granada, A. 2011, IAU Symposium, 272, 62 Ekström, S., Meynet, G., Chiappini, C., Hirschi, R., & Maeder, A. 2008a, A&A, 489, 685 Ekström, S., Meynet, G., & Maeder, A. 2005, IAU Symposium, 228, 163 Ekström, S., Meynet, G., Maeder, A., & Barblan, F. 2008b, A&A, 478, 467 Elbaz, D., & Cesarsky, C. J. 2003, Science, 300, 270 Everett, J. E. 2007, Ap&SS, 311, 269 Fabbian, D., Nissen, P. E., Asplund, M., Pettini, M., & Akerman, C. 2009, A&A, 500, 1143 Fabian, A. C. 2012, ARA&A, 50, 455 Fakhouri, O., Ma, C.-P., & Boylan-Kolchin, M. 2010, MNRAS, 406, 2267 247 Falceta-Gonçalves, D. 2013, MNRAS, 432, 589 Fall, S. M., & Efstathiou, G. 1980, MNRAS, 193, 189 Falle, S. A. E. G. 1975, A&A, 43, 323 Faucher-Giguère, C.-A., & Kereš, D. 2011, MNRAS, 412, L118 Faucher-Giguère, C.-A., Kereš, D., & Ma, C.-P. 2011, MNRAS, 417, 2982 Faucher-Giguère, C.-A., & Quataert, E. 2012, MNRAS, 425, 605 Ferrara, A. 2002, ASPC, 253, 107 Ferrara, A., Pettini, M., & Shchekinov, Y. 2000, MNRAS, 319, 539 Flynn, C., Holmberg, J., Portinari, L., Fuchs, B., & Jahreiß, H. 2006, MNRAS, 372, 1149 Font, A. S., McCarthy, I. G., Crain, R. A., Theuns, T., Schaye, J., Wiersma, R. P. C., & Dalla Vecchia, C. 2011, MNRAS, 416, 2802 Frye, B., Broadhurst, T., & Benitez, N. 2002, ApJ, 568, 558 Gabor, J. M., & Bournaud, F. 2014, MNRAS, 441, 1615 Gallazzi, A., Charlot, S., Brinchmann, J., White, S. D. M., & Tremonti, C. A. 2005, MNRAS, 362, 41 Galli, D., & Palla, F. 2002, P&SS, 50, 1197 Gao, L., Navarro, J. F., Cole, S., Frenk, C. S., White, S. D. M., Springel, V., Jenkins, A., & Neto, A. F. 2008, MNRAS, 387, 536 Gavilán, M., Buell, J. F., & Mollá, M. 2005, A&A, 432, 861 Geach, J. E., Smail, I., Best, P. N., Kurk, J., Casali, M., Ivison, R. J., & Coppin, K. 2008, MNRAS, 388, 1473 Gehren, T., Shi, J. R., Zhang, H. W., Zhao, G., & Korn, A. J. 2006, A&A, 451, 1065 Georgy, C., Meynet, G., Walder, R., Folini, D., & Maeder, A. 2009, A&A, 502, 611 Germain, J., Barai, P., & Martel, H. 2009, ApJ, 704, 1002 Girardi, L., Bressan, A., Bertelli, G., & Chiosi, C. 2000, A&AS, 141, 371 Gnedin, N. Y. 2000, ApJ, 542, 535 Gnedin, O. Y. 2003, ApJ, 582, 141 248 Gottloeber, S., Hoffman, Y., & Yepes, G. 2010, ArXiv :1005.2687 Gratton, R. G., Carretta, E., Claudi, R., Lucatello, S., & Barbieri, M. 2003, A&A, 404, 187 Graur, O., Poznanski, D., Maoz, D., & al. 2011, MNRAS, 417, 916 Greggio, L. 2005, A&A, 441, 1055 Greggio, L., & Renzini, A. 1983, A&A, 118, 217 Greif, T. H., & Bromm, V. 2006, MNRAS, 373, 128 Greif, T. H., Johnson, J. L., Klessen, R. S., & Bromm, V. 2008, MNRAS, 387, 1021 Grevesse, N., & Sauval, A. J. 1998, SSRv, 85, 161 Guo, Q., White, S., Boylan-Kolchin, M., De Lucia, G., Kauffmann, G., Lemson, G., Li, C., Springel, V., & Weinmann, S. 2011, MNRAS, 413, 101 Guo, Q., White, S., Li, C., & Boylan-Kolchin, M. 2010, MNRAS, 404, 1111 Gustafsson, B., Karlsson, T., Olsson, E., Edvardsson, B., & Ryde, N. 1999, A&A, 342, 426 Györi, I., & Landas, G. 1991, Oscillation Theory of Delay Differential Equations with Applications Hachisu, I., Kato, M., & Nomoto, K. 1999, ApJ, 522, 487 Hamann, F., & Sabra, B. 2004, ASPC, 311, 203 Hammer, F., Puech, M., Chemin, L., Flores, H., & Lehnert, M. D. 2007, ApJ, 662, 322 Hatton, S., Devriendt, J. E. G., Ninin, S., Bouchet, F. R., Guiderdoni, B., & Vibert, D. 2003, MNRAS, 343, 75 Hayes, M., Schaerer, D., & Östlin, G. 2010, A&A, 509, L5 Heckman, T. M., Dahlem, M., Lehnert, M. D., Fabbiano, G., Gilmore, D., & Waller, W. H. 1995, ApJ, 448, 98 Heckman, T. M., Lehnert, M. D., Strickland, D. K., & Armus, L. 2000, ApJS, 129, 493 Heger, A., & Woosley, S. E. 2002, ApJ, 567, 532 Heger, A., & Woosley, S. E. 2010, ApJ, 724, 341 Heger, A., Woosley, S. E., & Spruit, H. C. 2005, ApJ, 626, 350 Henry, R. B. C., Kwitter, K. B., & Bates, J. A. 2000, ApJ, 531, 928 249 Hidalgo, S. L., Monelli, M., Aparicio, A., & al. 2013, ApJ, 778, 103 Hillebrandt, W., & Niemeyer, J. C. 2000, ARA&A, 38, 191 Hirschi, R., Chiappini, C., Meynet, G., Ekström, S., & Maeder, A. 2007, AIPC, 948, 397 Hirschi, R., Meynet, G., & Maeder, A. 2005, A&A, 433, 1013 Hoopes, C. G., Heckman, T. M., Strickland, D. K., & Howk, J. C. 2003, ApJL, 596, L175 Hopkins, A. M. 2004, ApJ, 615, 209 Hopkins, P. F., Kereš, D., Murray, N., Hernquist, L., Narayanan, D., & Hayward, C. C. 2013, MNRAS, 433, 78 Hopkins, P. F., Quataert, E., & Murray, N. 2012a, MNRAS, 421, 3522 —. 2012b, MNRAS, 421, 3488 Hosokawa, T., Omukai, K., Yoshida, N., & Yorke, H. W. 2011, Sci, 334, 1250 Howarth, I. D., & Prinja, R. K. 1989, ApJS, 69, 527 Iliadis, C. 2007, Nuclear Physics of Stars Ipavich, F. M. 1975, ApJ, 196, 107 Israelian, G., Ecuvillon, A., Rebolo, R., García-López, R., Bonifacio, P., & Molaro, P. 2004, A&A, 421, 649 Iwamoto, K., Brachwitz, F., Nomoto, K., Kishimoto, N., Umeda, H., Hix, W. R., & Thielemann, F.-K. 1999, ApJS, 125, 439 Janka, H.-T., Langanke, K., Marek, A., Martínez-Pinedo, G., & Müller, B. 2007, PhR, 442, 38 Jimenez, R., Panter, B., Heavens, A. F., & Verde, L. 2005, MNRAS, 356, 495 Johnson, J. L., Greif, T. H., & Bromm, V. 2008, IAU Symposium, 250, 471 Karakas, A., & Lattanzio, J. C. 2007, PASA, 24, 103 Karakas, A. I. 2010, MNRAS, 403, 1413 —. 2011, ASPC, 445, 3 Katz, N. 1992, ApJ, 391, 502 Katz, N., Hernquist, L., & Weinberg, D. H. 1992, ApJL, 399, L109 250 Katz, N., & White, S. D. M. 1993, ApJ, 412, 455 Kauffmann, G. 2014, MNRAS, 441, 2717 Kauffmann, G., Colberg, J. M., Diaferio, A., & White, S. D. M. 1999, MNRAS, 303, 188 Kauffmann, G., Heckman, T. M., Tremonti, C., & al. 2003a, MNRAS, 346, 1055 Kauffmann, G., Heckman, T. M., White, S. D. M., & al. 2003b, MNRAS, 341, 33 Keller, B. W., Wadsley, J., Benincasa, S. M., & Couchman, H. M. P. 2014, MNRAS, 442, 3013 Kennicutt, Jr., R. C. 1998, ApJ, 498, 541 Kereš, D., Katz, N., Fardal, M., Davé, R., & Weinberg, D. H. 2009, MNRAS, 395, 160 Kereš, D., Katz, N., Weinberg, D. H., & Davé, R. 2005, MNRAS, 363, 2 Kereš, D., Vogelsberger, M., Sijacki, D., Springel, V., & Hernquist, L. 2012, MNRAS, 425, 2027 Kewley, L. J., Rupke, D., Zahid, H. J., Geller, M. J., & Barton, E. J. 2010, ApJL, 721, L48 Kim, S., Staveley-Smith, L., Dopita, M. A., Freeman, K. C., Sault, R. J., Kesteven, M. J., & McConnell, D. 1998, ApJ, 503, 674 King, A. R. 2010, MNRAS, 402, 1516 King, A. R., Zubovas, K., & Power, C. 2011, MNRAS, 415, L6 Kirby, E. N., Cohen, J. G., Guhathakurta, P., Cheng, L., Bullock, J. S., & Gallazzi, A. 2013, ApJ, 779, 102 Kleinman, S. J., Kepler, S. O., Koester, D., & al. 2013, ApJS, 204, 5 Klypin, A. A., Trujillo-Gomez, S., & Primack, J. 2011, ApJ, 740, 102 Kobayashi, C. 2004, MNRAS, 347, 740 Kobayashi, C., Springel, V., & White, S. D. M. 2007, MNRAS, 376, 1465 Kobayashi, C., Tsujimoto, T., & Nomoto, K. 2000, ApJ, 539, 26 Kobayashi, C., Umeda, H., Nomoto, K., Tominaga, N., & Ohkubo, T. 2006, ApJ, 653, 1145 Kolb, E. W., & Turner, M. S. 1990, The Early Universe Kregel, M., van der Kruit, P. C., & de Grijs, R. 2002, MNRAS, 334, 646 Kroupa, P. 2001, MNRAS, 322, 231 251 Kuhlen, M., & Faucher-Giguère, C.-A. 2012, MNRAS, 423, 862 Kulenovic, M. R. S., Landas, G., & Sficas, Y. G. 1989, Comput. Math. Appl., 18, 10 Kuznetsova, N., Barbary, K., Connolly, B., & al. 2008, ApJ, 673, 981 Lagos, C. d. P., Lacey, C. G., & Baugh, C. M. 2013, MNRAS, 436, 1787 Lai, D. K., Bolte, M., Johnson, J. A., Lucatello, S., Heger, A., & Woosley, S. E. 2008, ApJ, 681, 1524 Lamers, H. J. G. L. M., & Cassinelli, J. P. 1999, Introduction to Stellar Winds Larson, R. B. 2003, RPPh, 66, 1651 Leaman, R., Venn, K. A., Brooks, A. M., Battaglia, G., Cole, A. A., Ibata, R. A., Irwin, M. J., McConnachie, A. W., Mendel, J. T., & Tolstoy, E. 2012, ApJ, 750, 33 Lee, H., Skillman, E. D., Cannon, J. M., Jackson, D. C., Gehrz, R. D., Polomski, E. F., & Woodward, C. E. 2006, ApJ, 647, 970 Leitherer, C., Robert, C., & Drissen, L. 1992, ApJ, 401, 596 Leitherer, C., Schaerer, D., Goldader, J., Gonzalez Delgado, R. M., Robert, C., Foo Kune, D., de Mello, D. F., Devost, D., & M, H. T. 1999, ApJS, 123, 3 Lequeux, J. 2002, Le milieu interstellaire Leroy, A. K., Walter, F., Brinks, E., Bigiel, F., de Blok, W. J. G., Madore, B., & Thornley, M. D. 2008, AJ, 136, 2782 Levine, R., & Gnedin, N. Y. 2005, ApJ, 632, 727 Liang, Y. C., Zhao, G., & Shi, J. R. 2001, A&A, 374, 936 Limongi, M., & Chieffi, A. 2002, PASA, 19, 246 Limongi, M., & Chieffi, A. 2007, AIPC, 924, 226 Lodato, G., & Natarajan, P. 2006, MNRAS, 371, 1813 Lotz, J. M., Jonsson, P., Cox, T. J., Croton, D., Primack, J. R., Somerville, R. S., & Stewart, K. 2011, ApJ, 742, 103 Lu, Y., Kereš, D., Katz, N., Mo, H. J., Fardal, M., & Weinberg, M. D. 2011, MNRAS, 416, 660 Lynden-Bell, D. 1975, VA, 19, 299 252 Mac Low, M.-M., & Ferrara, A. 1999, ApJ, 513, 142 Mac Low, M.-M., & McCray, R. 1988, ApJ, 324, 776 Mac Low, M.-M., McCray, R., & Norman, M. L. 1989, ApJ, 337, 141 Macie, W. J., Rocha-Pinto, H. J., & Costa, R. D. D. 2012, IAU Symposium, 284, 379 Maciel, W. J., Rodrigues, T. S., & Costa, R. D. D. 2011, RMxAA, 47, 401 Madau, P., & Dickinson, M. 2014, ARA&A, 52, 415 Madau, P., Ferrara, A., & Rees, M. J. 2001, ApJ, 555, 92 Maeder, A. 1992, A&A, 264, 105 —. 1999, A&A, 347, 185 Maeder, A., & Meynet, G. 2000, ARA&A, 38, 143 Maeder, A., & Zahn, J.-P. 1998, A&A, 334, 1000 Maiolino, R., Oliva, E., Ghinassi, F., Pedani, M., Mannucci, F., Mujica, R., & Juarez, Y. 2004, A&A, 420, 889 Mandelbaum, R., Seljak, U., Kauffmann, G., Hirata, C. M., & Brinkmann, J. 2006, MNRAS, 368, 715 Mannucci, F., Della Valle, M., & Panagia, N. 2006, MNRAS, 370, 773 Mannucci, F., Della Valle, M., Panagia, N., Cappellaro, E., Cresci, G., Maiolino, R., Petrosian, A., & Turatto, M. 2005, A&A, 433, 807 Maoz, D., & Mannucci, F. 2012, PASA, 29, 447 Marcolini, A., D’Ercole, A., Brighenti, F., & Recchi, S. 2006, MNRAS, 371, 643 Marigo, P. 2001, A&A, 370, 194 Marinacci, F., Binney, J., Fraternali, F., Nipoti, C., Ciotti, L., & Londrillo, P. 2010, AIPC, 1240, 166 Martayan, C., Frémat, Y., Hubert, A.-M., Floquet, M., Zorec, J., & Neiner, C. 2007, A&A, 462, 683 Martel, H., Barai, P., & Brito, W. 2012, ApJ, 757, 48 Martin, C. L. 1998, ApJ, 506, 222 Martin, C. L. 1999, ApJ, 513, 156 253 —. 2005, ApJ, 621, 227 Mateo, M. L. 1998, ARA&A, 36, 435 Matteucci, F., & Francois, P. 1989, MNRAS, 239, 885 Matteucci, F., Spitoni, E., Recchi, S., & Valiante, R. 2009, A&A, 501, 531 Mattsson, L. 2010, A&A, 515, A68 Maughan, B. J., Jones, C., Forman, W., & Van Speybroeck, L. 2008, ApJS, 174, 117 McBride, J., Fakhouri, O., & Ma, C.-P. 2009, MNRAS, 398, 1858 McCall, M. L., Vaduvescu, O., Pozo Nunez, F., Barr Dominguez, A., Fingerhut, R., UndaSanzana, E., Li, B., & Albrecht, M. 2012, A&A, 540, A49 McCarthy, I. G., Frenk, C. S., Font, A. S., Lacey, C. G., Bower, R. G., Mitchell, N. L., Balogh, M. L., & Theuns, T. 2008, MNRAS, 383, 593 McConnachie, A. W. 2012, AJ, 144, 4 McKee, C. F., & Ostriker, E. C. 2007, ARA&A, 45, 565 McKee, C. F., & Ostriker, J. P. 1977, ApJ, 218, 148 McLaughlin, D. E., & van der Marel, R. P. 2005, ApJS, 161, 304 McMillan, P. J. 2011, MNRAS, 414, 2446 Melioli, C., Brighenti, F., D’Ercole, A., & de Gouveia Dal Pino, E. M. 2009, MNRAS, 399, 1089 Meynet, G., & Maeder, A. 1997, A&A, 321, 465 —. 2002, A&A, 390, 561 —. 2003, A&A, 404, 975 —. 2005, A&A, 429, 581 Meynet, G., Maeder, A., Schaller, G., Schaerer, D., & Charbonnel, C. 1994, A&AS, 103, 97 Minchev, I., Chiappini, C., & Martig, M. 2013, A&A, 558, A9 Mo, H., Bosch, F., & White, S. 2010, Galaxy Formation and Evolution Mo, H. J., Mao, S., & White, S. D. M. 1998, MNRAS, 295, 319 Mo, H. J., & White, S. D. M. 2002, MNRAS, 336, 112 254 Monaco, P., & Fontanot, F. 2005, MNRAS, 359, 283 Monaco, P., Fontanot, F., & Taffoni, G. 2007, MNRAS, 375, 1189 Mori, M., Ferrara, A., & Madau, P. 2002, ApJ, 571, 40 Moster, B. P., Naab, T., & White, S. D. M. 2013, MNRAS, 428, 3121 Moster, B. P., Somerville, R. S., Maulbetsch, C., van den Bosch, F. C., Macciò, A. V., Naab, T., & Oser, L. 2010, ApJ, 710, 903 Mouhcine, M., Kriwattanawong, W., & James, P. A. 2011, MNRAS, 412, 1295 Munshi, F., Governato, F., Brooks, A. M., Christensen, C., Shen, S., Loebman, S., Moster, B., Quinn, T., & Wadsley, J. 2013, ApJ, 766, 56 Murray, N., Ménard, B., & Thompson, T. A. 2011, ApJ, 735, 66 Murray, N., Quataert, E., & Thompson, T. A. 2005, ApJ, 618, 569 Naab, T., Johansson, P. H., & Ostriker, J. P. 2009, ApJL, 699, L178 Nagashima, M., & Yoshii, Y. 2004, ApJ, 610, 23 Nath, B. B., & Shchekinov, Y. 2013, ApJL, 777, L12 Nath, B. B., & Silk, J. 2009, MNRAS, 396, L90 Navarro, J. F., Abadi, M. G., Venn, K. A., Freeman, K. C., & Anguiano, B. 2011, MNRAS, 412, 1203 Navarro, J. F., Frenk, C. S., & White, S. D. M. 1997, ApJ, 490, 493 Neill, J. D., Sullivan, M., Balam, D., & al. 2007, AIPC, 924, 421 Nissen, P. E., Akerman, C., Asplund, M., Fabbian, D., Kerber, F., Kaufl, H. U., & Pettini, M. 2007, A&A, 469, 319 Nomoto, K., Tominaga, N., Umeda, H., Kobayashi, C., & Maeda, K. 2006, NuPhA, 777, 424 Norman, M. L. 2008, AIPC, 990, 3 Oh, S.-H., Brook, C., Governato, F., Brinks, E., Mayer, L., de Blok, W. J. G., Brooks, A., & Walter, F. 2011, AJ, 142, 24 Okamoto, T., Gao, L., & Theuns, T. 2008, MNRAS, 390, 920 Omukai, K., & Palla, F. 2003, ApJ, 589, 677 Oppenheimer, B. D., & Davé, R. 2006, MNRAS, 373, 1265 255 —. 2008, MNRAS, 387, 577 Oppenheimer, B. D., Davé, R., & Finlator, K. 2007, EAS Publications Series, 24, 157 Oppenheimer, B. D., Davé, R., Katz, N., Kollmeier, J. A., & Weinberg, D. H. 2012, MNRAS, 420, 829 Oppenheimer, B. D., Davé, R., Kereš, D., Fardal, M., Katz, N., Kollmeier, J. A., & Weinberg, D. H. 2010, MNRAS, 406, 2325 Pagel, B. E. J. 1997, Nucleosynthesis and Chemical Evolution of Galaxies Pain, R., Fabbro, S., Sullivan, M., & al. 2002, ApJ, 577, 120 Panter, B., Jimenez, R., Heavens, A. F., & Charlot, S. 2008, MNRAS, 391, 1117 Parravano, A. 1996, ApJ, 462, 594 Peeples, M. S., & Shankar, F. 2011, MNRAS, 417, 2962 Pejcha, O., & Thompson, T. A. 2014, ArXiv :1409.0540 Pelupessy, F. I., van der Werf, P. P., & Icke, V. 2004, A&A, 422, 55 Pettini, M., , Shapley, A. E., Steidel, C. C., Cuby, J.-G., Dickinson, M., Moorwood, A. F. M., Adelberger, K. L., & Giavalisco, M. 2001, ApJ, 554, 981 Pettini, M., Steidel, C. C., Adelberger, K. L., Dickinson, M., & Giavalisco, M. 2000, ApJ, 528, 96 Pieri, M., Martel, H., & Grenon, C. 2007, ApJ, 658, 36 Pieri, M. M., & Martel, H. 2007, ApJL, 662, L7 Pinsonneault, S., Martel, H., & Pieri, M. M. 2010, ApJ, 725, 2087 Planck collaboration. 2013, ArXiv :1303.5075 Popping, G., Somerville, R. S., & Trager, S. C. 2014, MNRAS, 442, 2398 Portinari, L., Chiosi, C., & Bressan, A. 1998, A&A, 334, 505 Powell, L. C., Slyz, A., & Devriendt, J. 2011, MNRAS, 414, 3671 Prantzos, N. 2012, A&A, 542, A67 Proga, D. 2007, ASPC, 373, 267 Puchwein, E., & Springel, V. 2013, MNRAS, 428, 2966 256 Quillen, A. C., & Bland-Hawthorn, J. 2008, MNRAS, 386, 2227 Recchi, S., & Hensler, G. 2013, A&A, 551, A41 Reddy, B. E., Lambert, D. L., & Allende Prieto, C. 2006, MNRAS, 367, 1329 Reddy, B. E., Tomkin, J., Lambert, D. L., & Allende Prieto, C. 2003, MNRAS, 340, 304 Revaz, Y., & Jablonka, P. 2012, A&A, 538, A82 Revaz, Y., Jablonka, P., Sawala, T., & al. 2009, A&A, 501, 189 Richard, S., Brook, C. B., Martel, H., Kawata, D., Gibson, B. K., & Sanchez-Blazquez, P. 2010, MNRAS, 402, 1489 Rix, H.-W., & Bovy, J. 2013, A&ARv, 21, 61 Robert, C., Pellerin, A., Aloisi, A., Leitherer, C., Hoopes, C., & Heckman, T. M. 2003, ApJS, 144, 21 Rocha-Pinto, H. J., Scalo, J., Maciel, W. J., & Flynn, C. 2000, A&A, 358, 869 Rodney, S. A., & Tonry, J. L. 2010, ApJ, 723, 47 Romano, D., Karakas, A. I., Tosi, M., & Matteucci, F. 2010, A&A, 522, A32 Röpke, F. K., Gieseler, M., Reinecke, M., Travaglio, C., & Hillebrandt, W. 2006, A&A, 453, 203 Roy, A., Nath, B. B., Sharma, P., & Shchekinov, Y. 2013, MNRAS, 434, 3572 Roy, J. R., & Kunth, D. 1995, A&A, 294, 432 Saintonge, A., Kauffmann, G., Kramer, C., & al. 2011, MNRAS, 415, 32 Salem, M., & Bryan, G. L. 2014, MNRAS, 437, 3312 Salim, S., Rich, R. M., Charlot, S., & al. 2007, ApJS, 173, 267 Salpeter, E. E. 1955, ApJ, 121, 161 Samland, M. 1998, ApJ, 496, 155 Samui, S., Subramanian, K., & Srianand, R. 2008, MNRAS, 385, 783 —. 2010, MNRAS, 402, 2778 Saro, A., De Lucia, G., Borgani, S., & Dolag, K. 2010, MNRAS, 406, 729 Sawala, T., Guo, Q., Scannapieco, C., Jenkins, A., & White, S. 2011, MNRAS, 413, 659 257 Sawala, T., Scannapieco, C., & White, S. 2012, MNRAS, 420, 1714 Scannapieco, C., Tissera, P. B., White, S. D. M., & Springel, V. 2005, MNRAS, 364, 552 Scannapieco, E. 2005, ApJL, 624, L1 Scannapieco, E., & Broadhurst, T. 2001, ApJ, 549, 28 Scannapieco, E., Ferrara, A., & Broadhurst, T. 2000, ApJL, 536, L11 Scannapieco, E., Ferrara, A., & Madau, P. 2002, ApJ, 574, 590 Schaye, J. 2004, ApJ, 609, 667 Schiminovich, D., Wyder, T. K., Martin, D. C., & al. 2007, ApJS, 173, 315 Schindler, S., & Diaferio, A. 2008, SSRv, 134, 363 Schlesinger, K. J., Johnson, J. A., Rockosi, C. M., & al. 2014, ApJ, 791, 112 Schönrich, R., & Binney, J. 2009, MNRAS, 396, 203 Shapiro, P. R., & Field, G. B. 1976, ApJ, 205, 762 Sharma, M., & Nath, B. B. 2012, ApJ, 750, 55 —. 2013, ApJ, 763, 17 Sharma, M., Nath, B. B., & Shchekinov, Y. 2011, ApJL, 736, L27 Sharma, P., Roy, A., Nath, B. B., & Shchekinov, Y. 2014, MNRAS, 443, 3463 Sheldon, E. S., Johnston, D. E., Frieman, J. A., & al. 2004, AJ, 127, 2544 Shen, S., Madau, P., Aguirre, A., Guedes, J., Mayer, L., & Wadsley, J. 2012, ApJ, 760, 50 Shen, S., Madau, P., Conroy, C., Governato, F., & Mayer, L. 2014, ApJ, 792, 99 Shen, S., Wadsley, J., & Stinson, G. 2010, MNRAS, 407, 1581 Shim, H., Colbert, J., Teplitz, H., Henry, A., Malkan, M., McCarthy, P., & Yan, L. 2009, ApJ, 696, 785 Sigward, F., Ferrara, A., & Scannapieco, E. 2005, MNRAS, 358, 755 Slavin, J. D., & Cox, D. P. 1993, ApJ, 417, 187 Smartt, S. J. 2009, MNRAS, 47, 63 Somerville, R. S., Barden, M., Rix, H.-W., & al. 2008a, ApJ, 672, 776 258 Somerville, R. S., Hopkins, P. F., Cox, T. J., Robertson, B. E., & Hernquist, L. 2008b, MNRAS, 391, 481 Songaila, A. 2001, ApJL, 561, L153 Spergel, D. N., Bean, R., Doré, O., & al. 2007, ApJS, 170, 377 Spite, M., Cayrel, R., Plez, B., & al. 2005, A&A, 430, 655 Spitoni, E., & Matteucci, F. 2011, A&A, 531, A72 Spitzer, L. 1962, Physics of Fully Ionized Gases Springel, V., & Hernquist, L. 2003, MNRAS, 339, 289 Springel, V., White, S. D. M., Jenkins, A., & al. 2005, Nature, 435, 629 Springel, V., White, S. D. M., Tormen, G., & Kauffmann, G. 2001, MNRAS, 328, 726 Stacy, A., Greif, T. H., & Bromm, V. 2012, MNRAS, 422, 290 Stanimirović, S., Staveley-Smith, L., & Jones, P. A. 2004, ApJ, 604, 176 Stinson, G., Seth, A., Katz, N., Wadsley, J., Governato, F., & Quinn, T. 2006, MNRAS, 373, 1074 Stinson, G. S., Dalcanton, J. J., Quinn, T., Kaufmann, T., & Wadsley, J. 2007, ApJ, 667, 170 Strickland, D. K., & Stevens, I. R. 2000, MNRAS, 314, 511 Strigari, L. E., Frenk, C. S., & White, S. D. M. 2010, MNRAS, 408, 2364 Stringer, M. J., Bower, R. G., Cole, S., Frenk, C. S., & Theuns, T. 2012, MNRAS, 423, 1596 Strolger, L.-G., Dahlen, T., & Riess, A. G. 2010, ApJ, 713, 32 Strolger, L.-G., Riess, A. G., Dahlen, T., & al. 2004, ApJ, 613, 200 Struck-Marcell, C., & Scalo, J. M. 1987, ApJS, 64, 39 Sturm, E., González-Alfonso, E., Veilleux, S., & al. 2011, ApJL, 733, L16 Sutherland, R. S., & Dopita, M. A. 1993, ApJS, 88, 253 Tacconi, L. J., Genzel, R., Neri, R., & al. 2010, Nature, 463, 781 Tamm, A., Tempel, E., Tenjes, P., Tihhonova, O., & Tuvikene, T. 2012, A&A, 546, A4 Tegmark, M., Silk, J., & Evrard, A. 1993, ApJ, 417, 54 259 Tescari, E., Viel, M., D’Odorico, V., Cristiani, S., Calura, F., Borgani, S., & Tornatore, L. 2011, MNRAS, 411, 826 Tescari, E., Viel, M., Tornatore, L., & Borgani, S. 2009, MNRAS, 397, 411 Teyssier, R., Pontzen, A., Dubois, Y., & Read, J. I. 2013, MNRAS, 429, 3068 Tillson, H., Miller, L., & Devriendt, J. 2011, MNRAS, 417, 666 Tinsley, B. M. 1980, FCPh, 5, 287 Tissera, P. B., White, S. D. M., & Scannapieco, C. 2012, MNRAS, 420, 255 Tolstoy, E., Hill, V., & Tosi, M. 2009, ARA&A, 47, 371 Tornatore, L., Borgani, S., Dolag, K., & Matteucci, F. 2007, MNRAS, 382, 1050 Travaglio, C., Hillebrandt, W., Reinecke, M., & Thielemann, F.-K. 2004, A&A, 425, 1029 Travaglio, C., Röpke, F. K., Gallino, R., & Hillebrandt, W. 2011, ApJ, 739, 93 Tremonti, C. A., Heckman, T. M., Kauffmann, G., & al. 2004, ApJ, 613, 898 Uhlig, M., Pfrommer, C., Sharma, M., Nath, B. B., Enßlin, T. A., & Springel, V. 2012, MNRAS, 423, 2374 Ulvestad, J. S., & Wilson, A. S. 1984, ApJ, 285, 439 Umeda, H., & Nomoto, K. 2002, ApJ, 565, 385 Vaduvescu, O., McCall, M. L., & Richer, M. G. 2007, AJ, 134, 604 Valcke, S., de Rijcke, S., & Dejonghe, H. 2008, MNRAS, 389, 1111 Valiante, R., Matteucci, F., Recchi, S., & Calura, F. 2009, NewA, 14, 638 van de Voort, F., Schaye, J., Booth, C. M., Haas, M. R., & Dalla Vecchia, C. 2011, MNRAS, 414, 2458 van den Bergh, S. 1991, ApJ, 369, 1 van den Bosch, F. C., Norberg, P., Mo, H. J., & Yang, X. 2004, MNRAS, 352, 1302 van den Hoek, L. B., & Groenewegen, M. A. T. 1997, A&AS, 123, 305 Vazquez, G. A., & Leitherer, C. 2005, ApJ, 621, 695 Veilleux, S., Cecil, G., & Bland-Hawthorn, J. 2005, ARA&A, 43, 769 260 Velliscig, M., van Daalen, M. P., Schaye, J., McCarthy, I. G., Cacciato, M., Le Brun, A. M. C., & Vecchia, C. D. 2014, MNRAS, 442, 2641 Ventura, P., & D’Antona, F. 2009, A&A, 499, 835 Vogelsberger, M., Genel, S., Sijacki, D., Torrey, P., Springel, V., & Hernquist, L. 2013, MNRAS, 436, 3031 Vogelsberger, M., Genel, S., Springel, V., Torrey, P., Sijacki, D., Xu, D., Snyder, G., Nelson, D., & Hernquist, L. 2014, MNRAS, 444, 1518 Völk, H. J. 2007, SSR, 130, 431 von Glasow, W., Krause, M. G. H., Sommer-Larsen, J., & Burkert, A. 2013, MNRAS, 434, 1151 Wallerstein, G., Iben, Jr., I., Parker, P., & al. 1997, RvMP, 69, 995 Wang, B., & Han, Z. 2012, NewAr, 56, 122 Weaver, R., McCray, R., Castor, J., Shapiro, P., & Moore, R. 1977, ApJ, 218, 377 Webbink, R. F. 1984, ApJ, 277, 355 Weiner, B. J., Coil, A. L., Prochaska, J. X., & al. 2009, ApJ, 692, 187 Weisz, D. R., Johnson, B. D., Johnson, L. C., & al. 2012, ApJ, 744, 44 Westmeier, T., Koribalski, B. S., & Braun, R. 2013, MNRAS, 434, 3511 Whelan, J., & Iben, Jr., I. 1973, ApJ, 186, 1007 White, S. D. M., & Frenk, C. S. 1991, ApJ, 379, 52 Wiersma, R. P. C., Schaye, J., Dalla Vecchia, C., Booth, C. M., Theuns, T., & Aguirre, A. 2010, MNRAS, 409, 132 Wiersma, R. P. C., Schaye, J., & Theuns, T. 2011, MNRAS, 415, 353 Wiersma, R. P. C., Schaye, J., Theuns, T., Dalla Vecchia, C., & Tornatore, L. 2009, MNRAS, 399, 574 Woo, J., Courteau, S., & Dekel, A. 2008, MNRAS, 390, 1453 Woosley, S. E., & Heger, A. 2007, PhR, 442, 269 Woosley, S. E., & Weaver, T. A. 1995, ApJS, 101, 181 Xue, X. X., Rix, H. W., Zhao, G., & al.. 2008, ApJ, 684, 1143 261 Yang, X., Mo, H. J., & van den Bosch, F. C. 2009, ApJ, 695, 900 Yoshida, N., Omukai, K., Hernquist, L., & Abel, T. 2006, ApJ, 652, 6 Yoshida, N., Stoehr, F., Springel, V., & White, S. D. M. 2002, MNRAS, 335, 762 Young, L. M., Skillman, E. D., Weisz, D. R., & Dolphin, A. E. 2007, ApJ, 659, 331 Zahid, H. J., Geller, M. J., Kewley, L. J., Hwang, H. S., Fabricant, D. G., & Kurtz, M. J. 2013, ApJL, 771, L19 Zhao, D. H., Jing, Y. P., Mo, H. J., & Börner, G. 2009, ApJ, 707, 354 Zubovas, K., & Nayakshin, S. 2014, MNRAS, 440, 2625 262