GOODS- <i>HERSCHEL</i> : GAS-TO-DUST MASS RATIOS AND CO-TO-H <sub>2</sub> CONVERSION FACTORS IN NORMAL AND STARBURSTING GALAXIES AT HIGH- <i>z</i>
Notice bibliographique
Résumé
We explore the gas-to-dust mass ratio (M_gas/M_d) and the CO luminosity-to-M_gas conversion factor (α_(CO)) of two well-studied galaxies in the Great Observatories Origins Deep Survey North field that are expected to have different star-forming modes, the starburst GN20 at z = 4.05 and the normal star-forming galaxy BzK-21000 at z = 1.52. Detailed sampling is available for their Rayleigh-Jeans emission via ground-based millimeter (mm) interferometry (1.1-6.6 mm) along with Herschel PACS and SPIRE data that probe the peak of their infrared emission. Using the physically motivated Draine & Li models, as well as a modified blackbody function, we measure the dust mass (M_(dust)) of the sources and find (2.0^(+0.7)_(–0.6) × 10^9) M_☉for GN20 and (8.6^(+0.6)_(–0.9) × 10^8) M_☉ for BzK-21000. The addition of mm data reduces the uncertainties of the derived M_(dust) by a factor of ~2, allowing the use of the local M_(gas)/M_d versus metallicity relation to place constraints on the αCO values of the two sources. For GN20 we derive a conversion factor of α_(CO) < 1.0 M_☉ pc^(–2) (K km s^(–1))^(–1), consistent with that of local ultra-luminous infrared galaxies, while for BzK-21000 we find a considerably higher value, α_(CO) ~4.0 M_☉ pc^(–2) (K km s^(–1))^(–1), in agreement with an independent kinematic derivation reported previously. The implied star formation efficiency is ~25 L_☉/M_☉ for BzK-21000, a factor of ~5-10 lower than that of GN20. The findings for these two sources support the existence of different disk-like and starburst star formation modes in distant galaxies, although a larger sample is required to draw statistically robust results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».