Robust Cross-correlation-based Measurement of Clump Sizes in Galaxies
Notice bibliographique
Résumé
Abstract Stars form in molecular complexes that are visible as giant clouds ( <?CDATA $\sim {10}^{5-6}\,{M}_{\odot }$?> ) in nearby galaxies and as giant clumps ( <?CDATA $\sim {10}^{8-9}\,{M}_{\odot }$?> ) in galaxies at redshifts <?CDATA $z\approx 1$?> –3. Theoretical inferences on the origin and evolution of these complexes often require robust measurements of their characteristic size, which is hard to measure at limited resolution and often ill-defined due to overlap and quasi-fractal substructure. We show that maximum and luminosity-weighted sizes of clumps seen in star formation maps (e.g., Hα) can be recovered statistically using the two-point correlation function (2PCF) if an approximate stellar surface density map is taken as the normalizing random field. After clarifying the link between Gaussian clumps and the 2PCF analytically, we design a method for measuring the diameters of Gaussian clumps with realistic quasi-fractal substructure. This method is tested using mock images of clumpy disk galaxies at different spatial resolutions and perturbed by Gaussian white noise. We find that the 2PCF can recover the input clump scale at <?CDATA $\sim 20 \% $?> accuracy, as long as this scale is larger than the spatial resolution. We apply this method to the local spiral galaxy NGC 5194, as well as to three clumpy turbulent galaxies from the DYNAMO-HST sample. In both cases, our statistical measurements of Hα clump size agree with previous measurements and with the estimated Jeans lengths. However, the new measurements are free from subjective choices when fitting individual clumps.
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 | 0,004 |
| 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 | 0,001 | 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) | 0,000 | 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 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 ».