Prospects for distinguishing galaxy evolution models with surveys at redshifts z ≳ 4
Notice bibliographique
Résumé
ABSTRACT Many semi-empirical galaxy formation models have recently emerged to interpret high-z galaxy luminosity functions and make predictions for future galaxy surveys. A common approach assumes a ‘universal’ star formation efficiency, f*, independent of cosmic time but strongly dependent on the masses of dark matter haloes. Though this class of models has been very successful in matching observations over much of cosmic history, simple stellar feedback models do predict redshift evolution in f* and are commonly used in semi-analytic models. In this work, we calibrate a set of universal f* and feedback-regulated models to the same set of rest-ultraviolet z ≳ 4 observations and find that a rapid, ∼(1 + z)−3/2 decline in both the efficiency of dust production and duty cycle of star formation are needed to reconcile feedback-regulated models with current observations. By construction, these models remain nearly identical to universal f* models in rest-ultraviolet luminosity functions (UVLFs) and colours. As a result, the only way to distinguish these competing scenarios is either via (i) improved constraints on the clustering of galaxies – universal and feedback-regulated models differ in predictions for the galaxy bias by 0.1 ≲ Δ〈b〉 ≲ 0.3 over 4 ≲ z ≲ 10 – or (ii) independent constraints on the dust contents and/or duty cycle of star formation. This suggests that improved constraints on the ‘dustiness’ and ‘burstiness’ of high-z galaxies will not merely add clarity to a given model of star formation in high-z galaxies, but rather fundamentally determine our ability to identify the correct model in the first place.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».