Spitzer catalog of Herschel-selected ultrared dusty, star-forming galaxies
Notice bibliographique
Résumé
The largest Herschel extragalactic surveys, H-ATLAS and HerMES, have selected a sample of "ultrared" dusty, star-forming galaxies (DSFGs) with rising SPIRE flux densities ($S_{500} > S_{350} > S_{250}$; so-called "500 $\mu$m-risers") as an efficient way for identifying DSFGs at higher redshift ($z > 4$). In this paper, we present a large Spitzer follow-up program of 300 Herschel ultrared DSFGs. We have obtained high-resolution ALMA, NOEMA, and SMA data for 63 of them, which allow us to securely identify the Spitzer/IRAC counterparts and classify them as gravitationally lensed or unlensed. Within the 63 ultrared sources with high-resolution data, $\sim$65% appear to be unlensed, and $\sim$27% are resolved into multiple components. We focus on analyzing the unlensed sample by directly performing multi-wavelength spectral energy distribution (SED) modeling to derive their physical properties and compare with the more numerous $z \sim 2$ DSFG population. The ultrared sample has a median redshift of 3.3, stellar mass of 3.7 $\times$ 10$^{11}$ $M_{\odot}$, star formation rate (SFR) of 730 $M_{\odot}$yr$^{-1}$, total dust luminosity of 9.0 $\times$ 10$^{12}$ $L_{\odot}$, dust mass of 2.8 $\times$ 10$^9$ $M_{\odot}$, and V-band extinction of 4.0, which are all higher than those of the ALESS DSFGs. Based on the space density, SFR density, and stellar mass density estimates, we conclude that our ultrared sample cannot account for the majority of the star-forming progenitors of the massive, quiescent galaxies found in infrared surveys. Our sample contains the rarer, intrinsically most dusty, luminous and massive galaxies in the early universe that will help us understand the physical drivers of extreme star formation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».