MétaCan
Menu
Retour à la cohorte
Enregistrement W3033407608 · doi:10.1017/s1743921320001258

Lensed quiescent galaxies at <i>z</i> ∼ 2: What quenched their star formation?

2019· article· en· W3033407608 sur OpenAlexaff
Allison W. S. Man

Notice bibliographique

RevueProceedings of the International Astronomical Union · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstronomy and Astrophysical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPhysicsAstrophysicsStar formationGalaxyLuminosityAstronomyStellar mass

Résumé

récupéré en direct d'OpenAlex

Abstract A key outstanding issue in galaxy evolution studies is how galaxies quench their star formation. I will present new results from our VLT/X-Shooter, ALMA and VLA campaign of a pilot sample of lensed quiescent massive galaxies at z > 1.5. Lensing magnification enables us to spatially resolve the stellar structure and kinematics of these compact galaxies, that are otherwise barely resolvable even with HST. Our deep X-Shooter spectra provided multiple absorption lines enabling strong constraints on their stellar populations, namely their star formation rates, ages, dispersions, and in some cases metallicities. Our complementary ALMA+VLA programme probes their molecular gas content through CO emission. All these observations provide unparalleled constraints on their quenching mechanisms. Our results indicate that quiescent galaxies at z ∼ 2 (1) have short star formation timescales of a few hundred Myrs; (2) have a variety of stellar morphology from exponential disks to bulges; (3) are devoid of molecular gas; and (4) host low-luminosity active galactic nuclei which may be responsible for suppressing star formation. In addition to discussing the insights gained on quenching, I will highlight how these findings bring about new questions that can be addressed with future JWST and ALMA studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Astronomical UnionMême sujetAstronomy and Astrophysical ResearchTravaux en français237 207