Is there enough star formation in simulated protoclusters?
Notice bibliographique
Résumé
ABSTRACT As progenitors of the most massive objects, protoclusters are key to tracing the evolution and star formation history of the Universe, and are responsible for ${\gtrsim }\, 20$ per cent of the cosmic star formation at $z\, {\gt }\, 2$. Using a combination of state-of-the-art hydrodynamical simulations and empirical models, we show that current galaxy formation models do not produce enough star formation in protoclusters to match observations. We find that the star formation rates (SFRs) predicted from the models are an order of magnitude lower than what is seen in observations, despite the relatively good agreement found for their mass-accretion histories, specifically that they lie on an evolutionary path to become Coma-like clusters at $z\, {\simeq }\, 0$. Using a well-studied protocluster core at $z\, {=}\, 4.3$ as a test case, we find that star formation efficiency of protocluster galaxies is higher than predicted by the models. We show that a large part of the discrepancy can be attributed to a dependence of SFR on the numerical resolution of the simulations, with a roughly factor of 3 drop in SFR when the spatial resolution decreases by a factor of 4. We also present predictions up to $z\, {\simeq }\, 7$. Compared to lower redshifts, we find that centrals (the most massive member galaxies) are more distinct from the other galaxies, while protocluster galaxies are less distinct from field galaxies. All these results suggest that, as a rare and extreme population at high z, protoclusters can help constrain galaxy formation models tuned to match the average population at $z\, {\simeq }\, 0$.
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 | 0,000 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».