Galaxy morphologies revealed with Subaru HSC and super-resolution techniques. I. Major merger fractions of<i>L</i>UV ∼ 3–15 L*UV dropout galaxies at<i>z</i>∼ 4–7
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We perform a super-resolution analysis of the Subaru Hyper Suprime-Cam (HSC) images to estimate the major merger fractions of z ∼ 4–7 dropout galaxies at the bright end of galaxy UV luminosity functions (LFs). Our super-resolution technique improves the spatial resolution of the ground-based HSC images, from ∼1″ to $\lesssim \!\!{0{^{\prime \prime }_{.}}1}$, which is comparable to that of the Hubble Space Telescope, allowing us to identify z ∼ 4–7 bright major mergers at a high completeness value of $\gtrsim \!\!90\%$. We apply the super-resolution technique to 6412, 16, 94, and 13 very bright dropout galaxies at z ∼ 4, 5, 6, and 7, respectively, in a UV luminosity range of LUV ∼ 3–$15\, L_{\rm UV}^*$ corresponding to −24 ≲ MUV ≲ −22. The major merger fractions are estimated to be $f_{\rm merger}\sim 10\%$–$20\%$ at z ∼ 4 and $\sim 50\%$–$70\%$ at z ∼ 5–7, which shows no fmerger difference compared to those of a control faint galaxy sample. Based on the fmerger estimates, we verify contributions of source blending effects and major mergers to the bright-end of double power-law (DPL) shape of z ∼ 4–7 galaxy UV LFs. While these two effects partly explain the DPL shape at LUV ∼ 3–$10\, L_{\rm UV}^*$, the DPL shape cannot be explained at the very bright end of $L_{\rm UV}\gtrsim 10\, L_{\rm UV}^*$, even after the AGN contribution is subtracted. The results support scenarios in which other additional mechanisms such as insignificant mass quenching and low dust obscuration contribute to the DPL shape of galaxy UV LFs.
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.
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 | 0,001 |
| 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 découle