Evolution of the cluster optical galaxy luminosity function in the CFHTLS: breaking the degeneracy between mass and redshift
Notice bibliographique
Résumé
Obtaining large samples of galaxy clusters is important for cosmology: cluster counts as a function of redshift and mass can constrain the parameters of our Universe. They are also useful in order to understand the formation and evolution of clusters. We develop an improved version of the Adami & MAzure Cluster FInder (AMACFI), now the Adami, MAzure & Sarron Cluster FInder (AMASCFI), and apply it to the 154 deg2 of the Canada-France-Hawaii Telescope Legacy Survey (CFHTLS) to obtain a large catalogue of 1371 cluster candidates with mass M200 > 1014 M⊙ and redshift z ≤ 0.7. We derive the selection function of the algorithm from the Millennium simulation, and cluster masses from a richness–mass scaling relation built from matching our candidates with X-ray detections. We study the evolution of these clusters with mass and redshift by computing the i′-band galaxy luminosity functions (GLFs) for the early-type (ETGs) and late-type galaxies (LTGs). This sample is 90% pure and 70% complete, and therefore our results are representative of a large fraction of the cluster population in these redshift and mass ranges. We find an increase in both the ETG and LTG faint populations with decreasing redshift (with Schechter slopes αETG = −0.65 ± 0.03 and αLTG = −0.95 ± 0.04 at z = 0.6, and αETG = −0.79 ± 0.02 and αLTG = −1.26 ± 0.03 at z = 0.2) and also a decrease in the LTG (but not the ETG) bright end. Our large sample allows us to break the degeneracy between mass and redshift, finding that the redshift evolution is more pronounced in high-mass clusters, but that there is no significant dependence of the faint end on mass for a given redshift. These results show that the cluster red sequence is mainly formed at redshift z > 0.7, and that faint ETGs continue to enrich the red sequence through quenching of brighter LTGs at z ≤ 0.7. The efficiency of this quenching is higher in large-mass clusters, while the accretion rate of faint LTGs is lower as the more massive clusters have already emptied most of their environment at higher redshifts.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».