DWARF GALAXY CLUSTERING AND MISSING SATELLITES
Notice bibliographique
Résumé
At redshifts around 0.1 the Canada–France–Hawaii Telescope Legacy Survey Deep fields contain some 6 × 104 galaxies spanning the mass range from 105 to 1012 M☉. We measure the stellar mass dependence of the two-point correlation using angular measurements to largely bypass the errors, approximately 0.02 in the median, of the photometric redshifts. Inverting the power-law fits with Limber's equation we find that the autocorrelation length increases from a very low 0.4 h−1 Mpc at 105.5 M☉ to the conventional 4.5 h−1 Mpc at 1010.5 M☉. The power-law fit to the correlation function has a slope which increases from γ ≃ 1.6 at high mass to γ ≃ 2.3 at low mass. The spatial cross-correlation of dwarf galaxies with more massive galaxies shows fairly similar trends, with a steeper radial dependence at low mass than predicted in numerical simulations of subhalos within galaxy halos. To examine the issue of "missing satellites" we combine the cross-correlation measurements with our estimates of the low-mass galaxy number density. We find on the average there are 60 ± 20 dwarfs in subhalos with M(total)>107 M☉ for a typical Local Group M(total)/M(stars) = 30, corresponding to M/LV ≃ 100 for a galaxy with no recent star formation. The number of dwarfs per galaxy is about a factor of 2 larger than currently found for the Milky Way. Nevertheless, the average dwarf counts are about a factor of 30 below lambda cold dark matter (LCDM) simulation results. The divergence from LCDM predictions is one of the slope of the relation, approximately dN/dln M ≃ −0.5 rather than the predicted −0.9, not sudden onset at some characteristic scale. The dwarf galaxy star formation rates span the range from passive to bursting, which suggests that there are few completely dark halos.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».