跳到主要内容
Sandbox Physics
两座星系相遇之后

用直接 N 体模拟检验星系轨道拖曳

在这组顺转相遇中,加上拖曳以后,擦身之后的距离明显算得更准。可在擦身之前,误差反倒略大。把最近点前后分开测,会比报一个总误差更有用。

先用存下来的 151 个时刻

解压复算包。里面九条曲线来自直接相遇模拟,另外十八条来自配对的孤立星系。每份记录从零算到 36 个模型时间单位,存下 151 个时刻。两个分辨率下每个晕分别用 640 和 1,280 个有质量粒子,较短的时间步是约 94.3 万年。

进到解压后的目录,运行下面一行。只读取报告,不用先下三份体积较大的原生粒子文件。要查看每个粒子的 Float64 位置和速度,再选择相应原始文件。追踪中心用的粒子编号在起算时选定,随后保持固定。

python -B qualify.py data measured-checks.json

Galaxy encounter direct-sum runs and archived numerical checks · Kroupa, Initial Conditions for Star Clusters, §8 (Cambridge N-Body Lectures)

在最近点把轨迹分成两段

顺转记录在约 5.32 亿年时第一次走到最近处,中心相距约 15.0 千秒差距。打开报告中的 before_passage 和 after_passage。把单位换成千秒差距后,最近点及之前,无拖曳误差是 1.33,有拖曳是 1.36。之后两项分别变成 76.7 和 10.1。

算法逐帧把距离之差平方,取平均,再开方。原报告的长度单位是 10 千秒差距,所以还要乘以十。最后再看一眼完整曲线。有些模型即便全程误差不大,也会错过第二次相遇的时刻。

RMSE=1n∑i=1n(drigid,i−dlive,i)2\mathrm{RMSE}=\sqrt{\frac{1}{n}\sum_{i=1}^n\left(d_{\mathrm{rigid},i}-d_{\mathrm{live},i}\right)^2}
每一项都比较同一个保存时刻的距离。
三条距离曲线。无拖曳模型在第一次最近点之后退得远得多。
竖线标出保存的 N 体记录第一次走到最近处。

Galaxy encounter direct-sum runs and archived numerical checks · Chandrasekhar, Dynamical Friction I (1943)

追到高速擦过的最后一帧

高速相遇到最后一帧已经相距 237 千秒差距,仍然留下了比孤立对照更多的远处示踪星。中心间距和外围星比例要分开读。前者用两个中心标记,后者统计离各自标记超过 45 千秒差距的示踪星。

顺转碰撞则让有质量的晕比各自孤立时多出一部分内部能。高分辨率运行的总能量漂移不到十万分之二。刚性晕的拖曳项从轨道取走能量。这里报的内部能增量来自另一组有自引力的计算及其孤立对照。

Galaxy encounter direct-sum runs and archived numerical checks

选一条原始轨迹重算

按包里 README 的版本安装 Python、NumPy 和 SciPy。编译器会编出一个计算每对引力的小程序。先重跑一条高分辨率顺转轨迹和两条孤立对照,再按 README 补齐另外两档计算,就能用同一个命令重建报告。

这些计算配对的是本实验的等质量、固定软化长度与初始轨道。没有气体,也没有双黑洞。用 Lab 拖动初始横向速度后,改用能实时重算的刚性晕,因为这个新参数没有配对的离线自引力数据。

Galaxy encounter direct-sum runs and archived numerical checks

复算所需文件

练习

在顺转相遇的后半段,加拖曳以后,距离的均方根误差缩小了几倍?

展开解释

约 7.6 倍,用 76.7 除以 10.1。这是对给定自引力记录的比较,拖曳参数从头到尾固定。

到 Lab 试一试

在顺转相遇刚过最近点时暂停。对照三条距离曲线。保存当前画面,看看这帧从哪个模型取出,发生在什么时候。

来源

继续阅读

这一页直接连着哪些内容

在内容地图上看这个系列 →

两座星系相遇之后 · 阅读路径

两座星系相遇之后

  1. 文章恒星很少迎头相撞,星系怎么并合
  2. 文章潮汐力怎样拉伸星盘
  3. 文章星系轨道损失的能量去了哪里
  4. 当前页面用直接 N 体模拟检验星系轨道拖曳
  5. 文章怎样读懂星系并合后的双黑洞收缩
这个页面有错误、看不明白,或者缺了什么?告诉我们
反馈类型

提交时会附带本页地址、Lab ID、网站语言和设备类型。请不要填写个人信息。反馈最多保存 12 个月。隐私政策