Environmental dependence of 8 μm luminosity functions of galaxies at z ~ 0.8: Comparison between RXJ1716.4+6708 and the AKARI NEP-deep field
Notice bibliographique
Résumé
Aims. We aim to reveal environmental dependence of infrared luminosity functions (IR LFs) of galaxies at z ~ 0.8 using the AKARI \nsatellite. AKARI’s wide field of view and unique mid-IR filters help us to construct restframe 8 μm LFs directly without relying on \nSED models. \nMethods. We construct restframe 8 μm IR LFs in the cluster region RXJ1716.4+6708 at z = 0.81, and compare them with a blank \nfield using the AKARI north ecliptic pole deep field data at the same redshift. AKARI’s wide field of view (10' × 10') is suitable to \ninvestigate wide range of galaxy environments. AKARI’s 15 μm filter is advantageous here since it directly probes restframe 8 μm at \nz ~ 0.8, without relying on a large extrapolation based on a SED fit, which was the largest uncertainty in previous work. \nResults. We have found that cluster IR LFs at restframe 8 μm have a factor of 2.4 smaller L^∗ and a steeper faint-end slope than that \nof the field. Confirming this trend, we also found that faint-end slopes of the cluster LFs becomes flatter and flatter with decreasing \nlocal galaxy density. These changes in LFs cannot be explained by a simple infall of field galaxy population into a cluster. Physics \nthat can preferentially suppress IR luminous galaxies in high density regions is required to explain the observed results.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».