The Herschel census of infrared SEDs through cosmic time★
Notice bibliographique
Résumé
Using Herschel data from the deepest SPIRE and PACS surveys (HerMES and PEP) in COSMOS, GOODS-S and GOODS-N, we examine the dust properties of infrared (IR)-luminous (LIR > 1010 L⊙) galaxies at 0.1 < z < 2 and determine how these evolve with cosmic time. The unique angle of this work is the rigorous analysis of survey selection effects, making this the first study of the star-formation-dominated, IR-luminous population within a framework almost entirely free of selection biases. We find that IR-luminous galaxies have spectral energy distributions (SEDs) with broad far-IR peaks characterized by cool/extended dust emission and average dust temperatures in the 25–45 K range. Hot (T > 45 K) SEDs and cold (T < 25 K), cirrus-dominated SEDs are rare, with most sources being within the range occupied by warm starbursts such as M82 and cool spirals such as M51. We observe a luminosity–temperature (L-T) relation, where the average dust temperature of log [LIR/L⊙] ∼ 12.5 galaxies is about 10 K higher than that of their log [LIR/L⊙] ∼ 10.5 counterparts. However, although the increased dust heating in more luminous systems is the driving factor behind the L-T relation, the increase in dust mass and/or starburst size with luminosity plays a dominant role in shaping it. Our results show that the dust conditions in IR-luminous sources evolve with cosmic time: at high redshift, dust temperatures are on average up to 10 K lower than what is measured locally (z ≲ 0.1). This is manifested as a flattening of the L-T relation, suggesting that (ultra)luminous infrared galaxies [(U)LIRGs] in the early Universe are typically characterized by a more extended dust distribution and/or higher dust masses than local equivalent sources. Interestingly, the evolution in dust temperature is luminosity dependent, with the fraction of LIRGs with T < 35 K showing a two-fold increase from z ∼ 0 to z ∼ 2, whereas that of ULIRGs with T < 35 K shows a six-fold increase. Our results suggest a greater diversity in the IR-luminous population at high redshift, particularly for ULIRGs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 ».