<i>JWST</i> NIRCam + NIRSpec: interstellar medium and stellar populations of young galaxies with rising star formation and evolving gas reservoirs
Notice bibliographique
Résumé
ABSTRACT We present an interstellar medium and stellar population analysis of three spectroscopically confirmed z &gt; 7 galaxies in the Early Release Observations JWST/NIRCam and JWST/NIRSpec data of the SMACS J0723.3−7327 cluster. We use the Bayesian spectral energy distribution-fitting code prospector with a flexible star formation history (SFH), a variable dust attenuation law, and a self-consistent model of nebular emission (continuum and emission lines). Importantly, we self-consistently fit both the emission line fluxes from JWST/NIRSpec and the broad-band photometry from JWST/NIRCam, taking into account slit-loss effects. We find that these three z=7.6–8.5 galaxies (M⋆ ≈ 108 M⊙) are young with rising SFHs and mass-weighted ages of 3–4 Myr, though we find indications for underlying older stellar populations. The inferred gas-phase metallicities broadly agree with the direct metallicity estimates from the auroral lines. The galaxy with the lowest gas-phase metallicity (Zgas= 0.06 Z⊙) has a steeply rising SFH, is very compact (&lt;0.2 kpc), and has a high star formation rate surface density (ΣSFR ≈ 22 M⊙ yr−1 kpc−2), consistent with rapid gas accretion. The two other objects with higher gas-phase metallicities show more complex multicomponent morphologies on kpc scales, indicating that their recent increase in star formation rate is driven by mergers or internal, gravitational instabilities. We discuss effects of assuming different SFH priors or only fitting the photometric data. Our analysis highlights the strength and importance of combining JWST imaging and spectroscopy for fully assessing the nature of galaxies at the earliest epochs.
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 | 0,000 | 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 ».