The evolution of brightest cluster galaxies in the nearby Universe II: The star-formation activity and the stellar mass from spectral energy distribution
Notice bibliographique
Résumé
ABSTRACT We study the star-formation activity in a sample of ∼ 56 000 brightest cluster galaxies (BCGs) at 0.05 < z < 0.42 using optical and infra-red data from SDSS and WISE. We estimate stellar masses and star-formation rates (SFR) through SED fitting and study the evolution of the SFR with redshift as well as the effects of BCG stellar mass, cluster halo mass, and cooling time on star formation. Our BCGs have SFR = 1.4 × 10−3 − 275.2 [$\rm M_{\odot }$ yr−1] and sSFR = 5 × 10−15 − 6 × 10−10 [yr−1]. We find that star-forming BCGs are more abundant at higher redshifts and have higher SFR than at lower redshifts. The fraction of star-forming BCGs (fSF) varies from 30 per cent to 80 per cent at 0.05 < z < 0.42. Despite the large values of fSF, we show that only 13 per cent of the BCGs lie on the star-forming main sequence for field galaxies at the same redshifts. We also find that fSF depends only weakly on $M_{\rm 200}$, while it sharply decreases with $M_{*}$. We finally find that the SFR in BCGs decreases with increasing $t_{\rm cool}$, suggesting that star formation is related to the cooling of the intracluster medium. However, we also find a weak correlation of $M_{*}$ and $M_{\rm 200}$ with $t_{\rm cool}$ suggesting that AGNs are heating the intracluster gas around the BCGs. We compare our estimates of SFR with the predictions from empirical models for the evolution of the SFR with redshift, finding that the transition from a merger dominated to a cooling-dominated star formation may happen at z < 0.6.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».