Evolution of infrared luminosity functions of galaxies in the AKARI NEP-deep field
Notice bibliographique
Résumé
Aims. Dust-obscured star-formation increases with increasing intensity and increasing redshift. We aim to reveal the cosmic star-formation history obscured by dust using deep infrared observation with AKARI.Methods. We constructed restframe 8 μm, 12 μm, and total infrared (TIR) luminosity functions (LFs) at 0.15 < z < 2.2 using 4128 infrared sources in the AKARI NEP-deep field. A continuous filter coverage in the mid-IR wavelength (2.4, 3.2, 4.1, 7, 9, 11, 15, 18, and 24 μm) by the AKARI satellite allowed us to estimate restframe 8 μm and 12 μm luminosities without using a large extrapolation based on an SED fit, which was the largest uncertainty in previous work.Results. We find that all 8 μm (0.38 < z < 2.2), 12 μm (0.15 < z < 1.16), and TIR LFs (0.2 < z <1.6) show continuous and strong evolution toward higher redshift. Our direct estimate of 8 μm LFs is useful since previous work often had to use a large extrapolation from the Spitzer 24 μm to 8 μm, where SED modeling is more difficult because of the PAH emissions. In terms of cosmic infrared luminosity density (ΩIR), which was obtained by integrating analytic fits to the LFs, we find good agreement with previous work at z<1.2. We find the ΩIR evolves as (1 + z). When we separate contributions to ΩIR by LIRGs and ULIRGs, we found more IR luminous sources are increasingly more important at higher redshift. We find that the ULIRG (LIRG) contribution increases by a factor of 10 (1.8) from z = 0.35 to z = 1.4.
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 | 0,002 | 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) | 0,001 | 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 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 ».