Quenching or Bursting: The Role of Stellar Mass, Environment, and Specific Star Formation Rate to
Notice bibliographique
Résumé
Abstract Using a novel approach, we study the quenching and bursting of galaxies as a function of stellar mass (M *), local environment (Σ), and specific star formation rate (sSFR) using a large spectroscopic sample of ∼123,000 GALEX/SDSS and ∼420 GALEX/COSMOS/LEGA-C galaxies to z ∼ 1. We show that out to z ∼ 1 and at fixed sSFR and local density, on average, less massive galaxies are quenching, whereas more massive systems are bursting, with a quenching/bursting transition at and likely a short quenching/bursting timescale (≲300 Myr). We find that much of the bursting of star formation happens in massive ( ), high-sSFR galaxies (log(sSFR/Gyr−1) ≳ −2), particularly those in the field (log(Σ/Mpc−2) ≲0 and, among group galaxies, satellites more than centrals). Most of the quenching of star formation happens in low-mass ( ), low-sSFR galaxies (log(sSFR/Gyr−1) ≲ −2), in particular those located in dense environments (log(Σ/Mpc−2) ≳1), indicating the combined effects of M * and Σ in the quenching/bursting of galaxies since z ∼ 1. However, we find that stellar mass has stronger effects than environment on the recent quenching/bursting of galaxies to z ∼ 1. At any given M *, sSFR, and environment, centrals are quenchier (quenching faster) than satellites in an average sense. We also find evidence for the strength of mass and environmental quenching being stronger at higher redshift. Our preliminary results have potential implications for the physics of quenching/bursting in galaxies across cosmic time.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».