La retroalimentación de los núcleos galácticos activos (AGN) es el efecto que la actividad nuclear produce en el medio interestelar y circungaláctico (ISM y CGM) de las galaxias. Los distintos modos de retroalimentación de los AGN, que pueden dividirse a grandes rasgos en radiativo/cuásar y cinético/radio, se consideran actualmente procesos clave en la evolución de las galaxias masivas al regular el crecimiento de los agujeros negros y de las galaxias que los albergan. De hecho, existen numerosas evidencias observacionales que demuestran que la retroalimentación de los agujeros negros supermasivos (SMBHs) tiene un impacto en escalas que abarcan desde los parsecs centrales hasta cientos de kiloparsecs. Lo que aún estamos lejos de comprender plenamente es cómo se acopla la retroalimentación de los AGN con la galaxia anfitriona, que es, en última instancia, lo que determina su eficiencia. El objetivo de AGNFEED es responder a esta pregunta, centrándonos en las regiones nucleares que se están viendo directamente afectadas por el episodio actual de actividad nuclear (<10 Mry).
Pretendemos rastrear los vientos multifase impulsados por el AGN desde los parsecs centrales (la escala espacial de los toros de polvo) hasta los 1-3 kpc interiores de galaxias activas cercanas. A continuación, cuantificaremos su impacto en las propiedades/ características de la galaxia anfitriona que tengan la misma escala temporal dinámica (formación estelar reciente y distribuciones de gas molecular nuclear). Para ello, el proyecto requiere del uso de observaciones punteras de alta resolución angular (por ejemplo, GTC/EMIR y MEGARA, JWST y ALMA) de diferentes muestras de AGN que cubren un amplio rango de luminosidad. Finalmente, compararemos estas observaciones con simulaciones hidrodinámicas de gas a diferentes densidades, desarrolladas por nuestros colaboradores.
Este es un proyecto destinado a promover la generación y el avance del conocimiento que se basa en nuestras colaboraciones internacionales: el proyecto Quasar Feedback (QSOFEED; IP: C. Ramos Almeida), la red de formación innovadora H2020 Big Data applications for Black hole Evolution Studies (BID4BESt; IP: F. Sharkar; Universidad de Southampton, Reino Unido), y el Galactic Activity, Torus and Outflow Survey (GATOS; IP: A. Alonso Herrero, CAB, España).
