Merger trees harvested from cosmological $N$-body simulations encode the assembly histories of dark matter halos over cosmic time, and are a fundamental component of semi-analytical models (SAMs) of galaxy formation. The ability to compare the tools used to construct merger trees, namely halo finders and tree building algorithms, in an unbiased and systematic manner is critical to assess the quality of merger trees. In this paper, we present the dendogram, a novel method to visualise merger trees, which provides a comprehensive characterisation of a halo's assembly history - tracking subhalo orbits, halo merger events, and the general evolution of halo properties. We show the usefulness of the dendogram as a diagnostic tool of merger trees by comparing halo assembly histories from a single $N$-Body simulation analysed with three different halo-finders -\textsc{VELOCIraptor}, \textsc{AHF} and \textsc{Rockstar} - and their associated tree-builders. Based on our analysis of the resulting dendograms, we highlight how they have been used to motivate improvements to \textsc{VELOCIraptor}. The dendogram software is publicly available online, at: https://github.com/rhyspoulton/MergerTree-Dendograms .
我们提出了TreeFrog，一个大规模并行光环合并树生成器，能够比较不同的光环目录和产生光环合并树。代码是用C++11编写的，使用MPI和OpenMPAPI进行并行化，并包括Python工具来读取/操作生成的数据产品。该代码关联晕目录之间的结合能排序的粒子ID列表，使用多个快照确定最佳后代/祖先匹配，使用伪径向矩最大化共享粒子的数量的优值函数，以及用于校正晕合并树病理的方案。专注于VaporeCiraptor目录这项工作，我们展示了如何搜索多个快照跨越动态时间显着减少搁浅的晕，那些缺乏后代或祖先，严格纠正解决不佳的晕的数量。我们提出了一个新的价值函数，提高了初级和次级祖细胞之间的区别，减少树的病理。我们发现FOF吸积率和合并率表现出类似的质量比依赖性。Poole et al（2017）的模型合并率与通过合并测量的光环净增长一致。
Linking Warm Dark Matter to Merger Tree Histories via Deep Learning Networks
Grinnell College（格林内尔学院）；Massachusetts Institute of Technology（麻省理工学院）；University of Virginia（弗吉尼亚大学）；Flatiron Institute（平顿研究所）；Princeton University（普林斯顿大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Pennsylvania（宾夕法尼亚大学）；University of Florida（佛罗里达大学）；University of Copenhagen（哥本哈根大学）；Technical University of Denmark（丹麦理工大学）
A Halo Merger Tree Generation and Evaluation Framework
Universidad Autónoma de Madrid（马德里自治大学）；The University of Melbourne（墨尔本大学）；Pontificia Universidad Católica de Chile（智利天主教大学）；University of Campinas（坎皮纳斯大学）；Universidad Diego Portales（迭戈·波塔莱斯大学）
A deep learning approach to halo merger tree construction
Universidad Autónoma de Madrid（马德里自治大学）；King’s College London（伦敦国王学院）；The University of Melbourne（墨尔本大学）；Pontificia Universidad Católica de Chile（智利天主教大学）；University of Oslo（奥斯陆大学）；Universidad Diego Portales（迭戈·波塔莱斯大学）
Habitability of galaxies and application of merger trees in astrobiology
星系是我们宇宙中物质的主要组织形式。因此，它们对于天体生物学的新的多学科领域具有明显的兴趣。特别是，研究星系的可居住性是理论和数值天体生物学的主要挑战之一。然而，它的理论基础往往是混乱和模糊的。在这里，我们提出了一个系统的尝试，列出和分类的主要因果因素发挥作用的紧急星系的可居住性。此外，我们认为，宇宙合并树的方法是特别有用的，在描绘什么是系统的和合法的天体生物学性质的星系在目前的时代与那些是历史偶然性的产物，特别是与更广泛的河外环境的相互作用。采用从宇宙学N体模拟中提取的合并树作为天体生物学的一种新的和有前途的研究方法，由Stanway et al.（2018）开创。我们分析了合并树的适用性的一般问题，并提出了初步的结果，一组从Illustris项目中提取的树。在某种意义上，这种方法是直接补充使用大规模宇宙学模拟研究宜居带的单个星系与高质量/空间分辨率;一起，他们开创了一个新的时代的协同作用和宇宙学和天体生物学之间的综合。
Learning the Universe with cosmological rescaling of merger trees and semi-analytic galaxy formation models
University of Oxford（牛津大学）；Center for Computational Astrophysics, Flatiron Institute（平顿研究所计算天体物理中心）；Department of Astrophysical Sciences, Princeton University（普林斯顿大学天体物理科学系）；Columbia Astrophysics Laboratory, Columbia University（哥伦比亚大学天体物理实验室）；Donostia International Physics Center (DIPC)（圣塞巴斯蒂安国际物理中心）；IKERBASQUE, Basque Foundation for Science（伊克巴斯基克，巴斯克科学基金会）；Facultad de Física, Universidad de Sevilla（塞维利亚大学物理学院）
