Hyper Suprime-Cam view of the CMASS galaxy sample. Halo mass as a function of stellar mass, size, and Sérsic index
Notice bibliographique
Résumé
<BR /> Aims: We wish to determine the distribution of dark matter halo masses as a function of the stellar mass and the stellar mass profile for massive galaxies in the Baryon Oscillation Spectroscopic Survey (BOSS) constant-mass (CMASS) sample. <BR /> Methods: We used grizy photometry from the Hyper Suprime-Cam (HSC) to obtain Sérsic fits and stellar masses of CMASS galaxies for which HSC weak-lensing data are available. This sample was visually selected to have spheroidal morphology. We applied a cut in stellar mass, log M<SUB>*</SUB>/M<SUB>⊙</SUB> > 11.0, and selected ∼10 000 objects thus. Using a Bayesian hierarchical inference method, we first investigated the distribution of Sérsic index and size as a function of stellar mass. Then, making use of shear measurements from HSC, we measured the distribution of halo mass as a function of stellar mass, size, and Sérsic index. <BR /> Results: Our data reveal a steep stellar mass-size relation R<SUB>e</SUB> ∝ M<SUB>*</SUB><SUP>βR</SUP>, with β<SUB>R</SUB> larger than unity, and a positive correlation between Sérsic index and stellar mass: n ∝ M<SUB>*</SUB><SUP>0.46</SUP>. The halo mass scales approximately with the 1.7 power of the stellar mass. We do not find evidence for an additional dependence of halo mass on size or Sérsic index at fixed stellar mass. <BR /> Conclusions: Our results disfavour galaxy evolution models that predict significant differences in the size growth efficiency of galaxies living in low- and high-mass 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».