Cool and cold gas within and surrounding galaxies

Szakacs, Roland (2023): Cool and cold gas within and surrounding galaxies. Dissertation, LMU München: Fakultät für Physik

Abstract

Galaxies are systems evolving through a combination of internal processes and their connection to their immediate surroundings. Mechanisms, such as Active Galactic Nuclei (AGN) feedback, stellar feedback, recycling of gas, and accretion from the cosmic web lead to a redistribution of baryons within and surrounding galaxies. These processes interact in the multi-phase Circumgalactic Medium (CGM), defined as the gas surrounding galaxies outside the disk or interstellar medium (ISM), but within the virial radius of galaxies. Thus, the CGM allows for the tracing of gas flows, which are particularly significant in the context of galaxy evolution and star formation. The removal of gas by violent feedback processes could lead to the quenching of star formation, while accretion is critical to sustaining star formation. The accreted gas mixes with the matter within galaxies and can subsequently cool down and then collapse into molecular clouds, leading to the formation of stars. Thus, the CGM, the cold gas phase, and its precursor, the cool gas phase, play key roles in how galaxies evolve across cosmic time. The goal of this thesis is to explore the cool and cold gas phases, encompassing molecular, neutral atomic, and low-ionized atomic gas within and surrounding galaxies across cosmic time. Exploiting multi-phase observations of the MUSE-ALMA Haloes survey we study the cold molecular gas of a HI-absorption-selected galaxy. Additionally, we trace gas flows in the CGM by kinematically analyzing the low-ionized and molecular gas of a galaxy at z ~ 0.4 in emission and absorption. We find that the ionized and molecular gas phases are strongly coupled within the rotating disk of the galaxy and that a two-component absorption feature at 52 kpc distance from the galaxy is consistent with being inflowing and co-rotating gas. Further, a comprehensive literature compilation of HI-absorption and emission-selected galaxies at z < 1.1 reveals that HI-absorption selection of galaxies possibly traces objects that have large molecular gas reservoirs given their star formation rate. This leads to depletion times that can be over an order of magnitude larger than the median depletion times in samples of emission-selected galaxies. Observations of the cold gas phase across cosmic time indicate a marked increase in the molecular gas mass density towards z ~ 2-3. This transformation implies an accompanied change in the global distribution of molecular hydrogen H2 column densities, which is currently not yet explored. To tackle this question, we use an approach that bridges observations (PHANGS-ALMA, SDSS) and simulations (Illustris Project, GRIFFIN Project) to explore this evolution of molecular gas column densities. This study reveals that the H2 column density contributing most to the overall molecular gas mass evolves with redshift. We find that more molecular gas is found in denser regions at z=3 compared to z=0. This finding is consistent with a higher star formation rate density at z=3, as more molecular gas in denser states is likely contributing to a higher global star formation rate. Further, comparisons of the distribution of HI and H2 column densities lead to the conclusion that HI is an important contributor to the overall cold gas mass found in the ISM of galaxies at both redshifts. Going forward, large-scale spectroscopic absorption-line surveys will offer new prospects for mapping the CGM surrounding galaxies. Such large surveys, as the upcoming VISTA/4MOST High-resolution Quasar survey (4Hi-Q), will require novel analysis tools to efficiently detect and localize these absorption lines in spectra. For this purpose, we develop such a tool based on Convolutional Neural Networks (CNN). In the absence of data, we produce synthetic normalized 4MOST high-resolution fibre quasar spectra and inject MgII (λ2796, λ2803) absorbers based on the TNG50 simulation of the Illustris Project within them. Using these synthetic spectra, we train a CNN to classify whether an MgII absorber is present within spectra and to localize them in wavelength space. The CNN has high classification (98 per cent) and localization (mean absolute error of 6.9 Å) accuracy for a sample with evenly distributed absorber and noise properties. Additionally, this method is orders of magnitude faster than traditional ones. This proof-of-concept study demonstrates that Machine Learning is a feasible tool for future large-scale surveys. In summary, with these three distinct projects, we explore the inner workings of the cosmic baryon cycle and the CGM from the scale of individual galaxies to large statistical samples using an approach that bridges observations and simulations. Additionally, we explore the feasibility of novel methods for the analysis of large-scale surveys to pave the way for the era of big data astronomy.

Abstract

Galaxien sind Systeme, die sich durch eine Kombination aus internen Prozessen und ihrer Verbindung zu ihrer unmittelbaren Umgebung entwickeln. Mechanismen wie die Rückkopplung aktiver galaktischer Kerne (AGN), stellare Rückkopplung, wiederverwertung von Gas und Akkretion aus dem kosmischen Netz führen zu einer Umverteilung von Baryonen innerhalb von Galaxien und in ihrer Umgebung. Diese Prozesse interagieren im mehrphasigen zirkumgalaktischen Medium (CGM), definiert als das Gas, das Galaxien außerhalb der Scheibe oder des interstellaren Mediums (ISM), aber innerhalb des Virialradius der Galaxien umgibt. Das CGM ermöglicht somit die Verfolgung von Gasströmen, die im Zusammenhang mit der Entwicklung von Galaxien und der Sternentstehung von besonderer Bedeutung sind. Die Entfernung von Gas durch gewaltsame Rückkopplungsprozesse könnte zum Erlöschen der Sternentstehung in Galaxien führen, während die Akkretion für die Aufrechterhaltung der Sternentstehung entscheidend ist. Das akkretierte Gas vermischt sich mit der Materie innerhalb der Galaxien und kann anschließend abkühlen und zu Molekülwolken kollabieren, was zur Sternentstehung führt. Somit spielen das CGM, die kalte Gasphase, und ihr Vorläufer, die kühle Gasphase, eine Schlüsselrolle bei der Entwicklung von Galaxien im Laufe der kosmischen Zeit. Ziel dieser Arbeit ist es, die kalte und kühle Gasphase, die das molekulare, neutrale atomare und schwach ionisierte atomare Gas umfasst, in und rundum Galaxien über die kosmische Zeit hinweg zu studieren. Mithilfe von mehrphasigen Beobachtungen der MUSE-ALMA Haloes Survey untersuchen wir das kalte molekulare Gas einer anhand von HI-Absorption selektierten Galaxie bei z ~ 0.4. Zusätzlich verfolgen wir Gasflüsse im CGM durch kinematische Analysen des niedrig ionisierten und molekularen Gases dieser Galaxie, welches in Emission und Absorption beobachtet wurde. Wir stellen fest, dass die Phasen des ionisierten und des molekularen Gases innerhalb der rotierenden Scheibe der Galaxie stark gekoppelt sind, und dass ein zwei komponentiges Absorptionssystem in 52 kpc Entfernung von der Galaxie mit einströmendem und mitrotierendem Gas vereinbar ist. Darüber hinaus zeigt eine umfassende Literaturzusammenstellung von Galaxien (z < 1.1) die einerseits anhand von HI-Absorption und andererseits anhand von Emission selektiert wurden, dass die Auswahl von Galaxien anhand HI-Absorption möglicherweise Objekte aufspürt, die über größere molekulare Gasreservoirs verfügen als andere Galaxien mit vergleichbaren Sternentstehungsraten. Dies führt zu Erschöpfungszeiten des molekularen Gases, die mehr als eine Größenordnung größer sein können als die mittleren Erschöpfungszeiten in Stichproben die anhand von Emission selektiert wurden. Beobachtungen der kalten Gasphase über die kosmische Zeit hinweg deuten auf eine deutliche Zunahme der Massendichte des molekularen Gases in Richtung z ~2-3 hin. Diese Entwicklung impliziert eine damit einhergehende Änderung der globalen Verteilung der Säulendichte von molekularem Wasserstoff (H2) die derzeit noch nicht erforscht ist. Um dieser Frage nachzugehen, verwenden wir einen Ansatz, der Beobachtungen (PHANGS-ALMA, SDSS) und Simulationen (Illustris-Project, GRIFFIN-Project) miteinander verbindet, um die Entwicklung der Säulendichten von molekularem Gas zu untersuchen. Diese Studie zeigt, dass die H2-Säulendichte, die am meisten zur Gesamtmasse des molekularen Gases beiträgt, sich mit der Rotverschiebung entwickelt. Bei z=3 ist mehr molekulares Gas in dichteren Regionen zu finden als bei z=0. Dies steht im Einklang mit einer höheren Dichte der Sternentstehungsrate bei z=3, da mehr molekulares Gas in dichteren Zuständen wahrscheinlich zu einer höheren globalen Sternentstehungsrate beiträgt. Vergleiche der Verteilung der HI und H2-Säulendichten deuten außerdem an, dass HI einen großen Anteil zur Gesamtmasse des kalten Gases im ISM von Galaxien beiträgt. Künftig werden groß angelegte spektroskopische Absorptionslinien-Durchmusterungen neue Perspektiven für die Kartierung des CGM bieten. Solche großen Durchmusterungen, wie die bevorstehende VISTA/4MOST High-resolution Quasar Survey (4Hi-Q), erfordern neuartige Analysewerkzeuge, um diese Absorptionslinien in den Spektren effizient zu erkennen und zu lokalisieren. Zu diesem Zweck entwickeln wir ein solches Werkzeug, das auf Convolutional Neural Networks (CNN) basiert. In Ermangelung von Daten erstellen wir auf dem 4MOST Instrument basierende synthetische normalisierte Quasarspektren und injizieren MgII (λ2796, λ2803) Absorber, die auf der TNG50-Simulation des Illustris-Projects basieren, in diese Spektren. Anhand dieser synthetischen Spektren trainieren wir ein CNN, um zu klassifizieren, ob ein MgII-Absorber in den Spektren vorhanden ist und um deren Wellenlängenposition zu bestimmen. Das CNN hat eine hohe Klassifizierungs- (98 Prozent) und Lokalisierungsgenauigkeit (mittlerer absoluter Fehler von 6.9 Å) für eine Stichprobe mit gleichmäßig verteilten Absorber- und Rauscheigenschaften. Außerdem ist diese Methode um Größenordnungen schneller als herkömmliche Methoden. Diese Machbarkeitsstudie zeigt, dass Machine Learning ein praktikables Werkzeug für zukünftige groß angelegte Durchmusterungen ist. In Zusammenfassung erforschen wir mit diesen drei verschiedenen Projekten das Innenleben des kosmischen Baryonenkreislaufs und des CGM auf einer Skala einzelner Galaxien bis hin zu großen statistischen Stichproben und verfolgen dabei einen Ansatz, der Beobachtungen und Simulationen miteinander verbindet. Außerdem, erproben wir die Verwendbarkeit von Machine Learning für die Analyse groß angelegter Durchmusterungen, um den Weg für die Ära der Big-Data-Astronomie zu ebnen.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: Astrophysics, Circumgalactic Medium, Cosmic Baryon Cycle, Cool / Cold Gas, Machine Learning
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 20. Januar 2023
• 1. Bericht­erstatter:in: Springel, Volker