Simulating the joint evolution of quasars, galaxies and their large-scale distribution

Auteurs : Volker Springel (MPA), Simon D. M. White (MPA), Adrian Jenkins (Durham), Carlos S. Frenk (Durham), Naoki Yoshida (Nagoya), Liang Gao (MPA), Julio Navarro (UVic), Robert Thacker (McMaster), Darren Croton (MPA), John Helly (Durham), John A. Peacock (Edinburgh), Shaun Cole (Durham), Peter Thomas (Sussex), Hugh Couchman (McMaster), August Evrard (Michigan), Joerg Colberg (Pittsburgh), Frazer Pearce (Nottingham)

Nature 435:629-636,2005
Nature, in press, 42 pages, 11 Figures, Supplementary Information included, movie available http://www.mpa-garching.mpg.de/galform/millennium

Résumé : The cold dark matter model has become the leading theoretical paradigm for the formation of structure in the Universe. Together with the theory of cosmic inflation, this model makes a clear prediction for the initial conditions for structure formation and predicts that structures grow hierarchically through gravitational instability. Testing this model requires that the precise measurements delivered by galaxy surveys can be compared to robust and equally precise theoretical calculations. Here we present a novel framework for the quantitative physical interpretation of such surveys. This combines the largest simulation of the growth of dark matter structure ever carried out with new techniques for following the formation and evolution of the visible components. We show that baryon-induced features in the initial conditions of the Universe are reflected in distorted form in the low-redshift galaxy distribution, an effect that can be used to constrain the nature of dark energy with next generation surveys.

Soumis à arXiv le 05 Avr. 2005

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.