Formation of ultra-diffuse galaxies in the field and in galaxy groups
Notice bibliographique
Résumé
ABSTRACT We study ultra-diffuse galaxies (UDGs) in zoom in cosmological simulations, seeking the origin of UDGs in the field versus galaxy groups. We find that while field UDGs arise from dwarfs in a characteristic mass range by multiple episodes of supernova feedback (Di Cintio et al.), group UDGs may also form by tidal puffing up and they become quiescent by ram-pressure stripping. The field and group UDGs share similar properties, independent of distance from the group centre. Their dark-matter haloes have ordinary spin parameters and centrally dominant dark-matter cores. Their stellar components tend to have a prolate shape with a Sérsic index n ∼ 1 but no significant rotation. Ram pressure removes the gas from the group UDGs when they are at pericentre, quenching star formation in them and making them redder. This generates a colour/star-formation-rate gradient with distance from the centre of the dense environment, as observed in clusters. We find that ∼20 per cent of the field UDGs that fall into a massive halo survive as satellite UDGs. In addition, normal field dwarfs on highly eccentric orbits can become UDGs near pericentre due to tidal puffing up, contributing about half of the group-UDG population. We interpret our findings using simple toy models, showing that gas stripping is mostly due to ram pressure rather than tides. We estimate that the energy deposited by tides in the bound component of a satellite over one orbit can cause significant puffing up provided that the orbit is sufficiently eccentric. We caution that while the simulations produce UDGs that match the observations, they under-produce the more compact dwarfs in the same mass range, possibly because of the high threshold for star formation or the strong feedback.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».