Are galactic star formation and quenching governed by local, global, or environmental phenomena?
Notice bibliographique
Résumé
ABSTRACT We present an analysis of star formation and quenching in the SDSS-IV MaNGA-DR15, utilizing over 5 million spaxels from ∼3500 local galaxies. We estimate star formation rate surface densities (ΣSFR) via dust corrected H α flux where possible, and via an empirical relationship between specific star formation rate (sSFR) and the strength of the 4000 Å break (D4000) in all other cases. We train a multilayered artificial neural network (ANN) and a random forest (RF) to classify spaxels into ‘star-forming’ and ‘quenched’ categories given various individual (and groups of) parameters. We find that global parameters (pertaining to the galaxy as a whole) perform collectively the best at predicting when spaxels will be quenched, and are substantially superior to local/spatially resolved and environmental parameters. Central velocity dispersion is the best single parameter for predicting quenching in central galaxies. We interpret this observational fact as a probable consequence of the total integrated energy from active galactic neucleus (AGN) feedback being traced by the mass of the black hole, which is well known to correlate strongly with central velocity dispersion. Additionally, we train both an ANN and RF to estimate ΣSFR values directly via regression in star-forming regions. Local/spatially resolved parameters are collectively the most predictive at estimating ΣSFR in these analyses, with stellar mass surface density at the spaxel location (Σ*) being by far the best single parameter. Thus, quenching is fundamentally a global process but star formation is governed locally by processes within each spaxel.
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 | 0,001 |
| 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 ».