Interacting galaxies in the IllustrisTNG simulations – V. Comparing the influence of star-forming versus passive companions
Notice bibliographique
Résumé
ABSTRACT We study interacting galaxy pairs in the TNG100-1 and TNG300-1 cosmological simulations using previously generated closest companion samples. We study the specific star-formation rates (sSFRs) of massive ($10^{10} \, {\rm M}_{\odot } \lt M_* \lt 10^{12} \, {\rm M}_{\odot }$ ) galaxies at z ≤ 0.2 as a function of separation from the closest companion galaxy. We split our sample based on whether the companion galaxy is star-forming or passive. We find that galaxies with close star-forming companions have sSFRs that are enhanced (on average) by a factor of 2.9 ± 0.3 in TNG100-1 and 2.27 ± 0.06 in TNG300-1 compared to controls, with enhancements present out to separations of ∼300 kpc. Galaxies with passive companions in TNG300-1 exhibit mild sSFR suppression (∼12 per cent) at 100–300 kpc and small sSFR enhancements at separations below 50 kpc. sSFR suppression is strongest in pairs where the galaxy’s stellar mass is more than 2 times that of its passive companion. By generating a stellar mass-matched (‘twinned’) sample in TNG300-1, we show that differences in sSFR trends between companion types are not a result of intrinsic stellar mass differences in star-forming versus passive galaxies. We compare with an analogous sample of galaxy pairs from SDSS, finding consistent results between observations and simulations. Overall, we find that star-forming galaxies show enhanced sSFRs regardless of companion type, but that galaxies with close passive companions are more likely to be passive themselves.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».