The impact of UV variability on the abundance of bright galaxies at <i>z</i> ≥ 9
Notice bibliographique
Résumé
ABSTRACT JWST observations have revealed a population of galaxies bright enough that potentially challenge standard galaxy formation models in the Λ cold dark matter (ΛCDM) cosmology. Using a minimal empirical framework, we investigate the influence of variability on the rest-frame ultra-violet (UV) luminosity function of galaxies at z ≥ 9. Our study differentiates between the median UV radiation yield and the variability of UV luminosities of galaxies at a fixed dark matter halo mass. We primarily focus on the latter effect, which depends on halo assembly and galaxy formation processes and can significantly increase the abundance of UV-bright galaxies due to the upscatter of galaxies in lower-mass haloes. We find that a relatively low level of variability, σUV ≈ 0.75 mag, matches the observational constraints at z ≈ 9. However, increasingly larger σUV is necessary when moving to higher redshifts, reaching $\sigma _{\rm UV} \approx 2.0\, (2.5)\, {\rm mag}$ at z ≈ 12 (16). This implied variability is consistent with expectations of physical processes in high-redshift galaxies such as bursty star formation and dust clearance during strong feedback cycles. Photometric constraints from JWST at z ≳ 9 therefore can be reconciled with a standard ΛCDM-based galaxy formation model calibrated at lower redshifts without the need for adjustments to the median UV radiation yield.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».