Number Density Evolution of<i>K</i><sub><i>s</i></sub>‐Band–Selected High‐Redshift Galaxy Populations in the<i>AKARI</i>North Ecliptic Pole Field
Notice bibliographique
Résumé
We present the number counts of K s -band-selected high-redshift galaxy populations such as extremely red objects (EROs), B -, z -, and K -band-selected galaxies (BzKs) and distant red galaxies (DRGs) in the AKARI NEP field. These high-redshift galaxy samples are extracted from a multicolor catalog combining optical data from Suprime-Cam on the 8.2 m Subaru Telescope with near-infrared data from the Florida Multiobject Imaging Near-IR Grism Observational Spectrometer on the Kitt Peak National Observatory 2.1 m telescope over 540 arcmin 2 in the NEP region field. The final catalog contains 308 EROs ( K s < 19.0; 54% are dusty star-forming EROs, and the rest are passive old EROs), 137 star-forming BzKs, and 38 passive old BzKs ( K s < 19.0) and 64 DRGs ( K s < 18.6). We also produce individual component source counts for both the dusty star-forming and passive populations. We compare the observed number counts of the high redshift passively evolving galaxy population with a backward pure luminosity evolution (PLE) model allowing different degrees of number density evolution. We find that the PLE model without density evolution fails to explain the observed counts at faint magnitudes, while the model incorporating negative density evolution is consistent with the observed counts of the passively evolving population. We also compare our observed counts of dusty star-forming EROs with a phenomenological evolutionary model postulating that the near-infrared EROs can be explained by the source densities of the far-infrared-submillimeter populations. Our model predicts that the dusty ERO source counts can be explained assuming a 25% contribution of submillimeter star-forming galaxies with the majority of brighter K s -band-detected dusty EROs having luminous (rather than HR 10 type ultraluminous) submillimeter counterparts. We propose that the fainter K s > 19.5 population is dominated by the submillijansky submillimeter population. We also predict a turnover in dusty ERO counts around 19 < K s < 20.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».