JINGLE – IV. Dust, H i gas, and metal scaling laws in the local Universe
Notice bibliographique
Résumé
ABSTRACT Scaling laws of dust, H i gas, and metal mass with stellar mass, specific star formation rate, and metallicity are crucial to our understanding of the build-up of galaxies through their enrichment with metals and dust. In this work, we analyse how the dust and metal content varies with specific gas mass (MH i/M⋆) across a diverse sample of 423 nearby galaxies. The observed trends are interpreted with a set of Dust and Element evolUtion modelS (DEUS) – including stellar dust production, grain growth, and dust destruction – within a Bayesian framework to enable a rigorous search of the multidimensional parameter space. We find that these scaling laws for galaxies with −1.0 ≲ log MH i/M⋆ ≲ 0 can be reproduced using closed-box models with high fractions (37–89 ${{\ \rm per\ cent}}$) of supernova dust surviving a reverse shock, relatively low grain growth efficiencies (ϵ = 30–40), and long dust lifetimes (1–2 Gyr). The models have present-day dust masses with similar contributions from stellar sources (50–80 ${{\ \rm per\ cent}}$) and grain growth (20–50 ${{\ \rm per\ cent}}$). Over the entire lifetime of these galaxies, the contribution from stardust (>90 ${{\ \rm per\ cent}}$) outweighs the fraction of dust grown in the interstellar medium (<10 ${{\ \rm per\ cent}}$). Our results provide an alternative for the chemical evolution models that require extremely low supernova dust production efficiencies and short grain growth time-scales to reproduce local scaling laws, and could help solving the conundrum on whether or not grains can grow efficiently in the interstellar medium.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».