H <scp>i</scp>-rich but low star formation galaxies in MaNGA: physical properties and comparison to control samples
Notice bibliographique
Résumé
ABSTRACT Gas-rich galaxies are typically star forming. We make use of H i-MaNGA, a programme of H i follow-up for the Mapping Nearby Galaxies at Apache Point Observatory (MaNGA) survey of the Sloan Digital Sky Surveys, to construct a sample of unusual neutral hydrogen (H i, 21 cm)-rich galaxies that have low star formation rates (SFRs), using infrared colour from the Wide-field Infrared Survey Explorer as a proxy for specific SFR. Out of a set of 1575 MaNGA galaxies with H i-MaNGA detections, we find that 83 (5 per cent) meet our selection criteria to be H i rich with low SFR. We construct two stellar mass-matched control samples: H i-rich galaxies with typical SFR (high SF control) and H i-poor galaxies with low SFR (low H i control). We investigate the properties of each of these samples, comparing physical parameters such as ionization state maps, stellar and ionized gas velocity and dispersion, environment measures, metallicity, and morphology to search for the reasons why these unusual H i-rich galaxies are not forming stars. We find evidence for recent external accretion of gas in some galaxies (via high counter-rotating fractions), along with some evidence for active galactic nucleus (AGN) feedback (from a high central low-ionization emission-line region and/or red geyser fraction), and bar quenching (via an enhanced strong bar fraction). Some galaxies in the sample are consistent with simply having their H i in a high angular momentum, large-radius, low-density disc. We conclude that no single physical process can explain all H i-rich, low-SFR galaxies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».