Star Formation Laws and Efficiencies across 80 Nearby Galaxies
Notice bibliographique
Résumé
Abstract We measure empirical relationships between the local star formation rate (SFR) and properties of the star-forming molecular gas on 1.5 kpc scales across 80 nearby galaxies. These relationships, commonly referred to as “star formation laws,” aim at predicting the local SFR surface density from various combinations of molecular gas surface density, galactic orbital time, molecular cloud free fall time, and the interstellar medium dynamical equilibrium pressure. Leveraging a multiwavelength database built for the Physics at High Angular Resolution in Nearby Galaxies (PHANGS) survey, we measure these quantities consistently across all galaxies and quantify systematic uncertainties stemming from choices of SFR calibrations and the CO-to-H 2 conversion factors. The star formation laws we examine show 0.3–0.4 dex of intrinsic scatter, among which the molecular Kennicutt–Schmidt relation shows a ∼10% larger scatter than the other three. The slope of this relation ranges β ≈ 0.9–1.2, implying that the molecular gas depletion time remains roughly constant across the environments probed in our sample. The other relations have shallower slopes ( β ≈ 0.6–1.0), suggesting that the star formation efficiency per orbital time, the star formation efficiency per free fall time, and the pressure-to-SFR surface density ratio (i.e., the feedback yield) vary systematically with local molecular gas and SFR surface densities. Last but not least, the shapes of the star formation laws depend sensitively on methodological choices. Different choices of SFR calibrations can introduce systematic uncertainties of at least 10%–15% in the star formation law slopes and 0.15–0.25 dex in their normalization, while the CO-to-H 2 conversion factors can additionally produce uncertainties of 20%–25% for the slope and 0.10–0.20 dex for the normalization.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».