Σ<sub>SFR</sub>–M <sub>∗</sub> Diagram: A Valuable Galaxy Evolution Diagnostic to Complement (s)SFR–M <sub>∗</sub> Diagrams
Notice bibliographique
Résumé
Abstract The specific star formation rate (sSFR) is commonly used to describe the level of galaxy star formation (SF) and to select quenched galaxies. However, since it is a relative measure of the young-to-old population, an ambiguity in its interpretation may arise because a low sSFR can be due to either a substantial previous mass buildup or SF activity that is low. We show, using large samples spanning 0 < z < 2, that the normalization of the star formation rate (SFR) by the physical extent over which SF is taking place (i.e., the SFR surface density, Σ SFR ) overcomes this ambiguity. Σ SFR has a strong physical basis, being tied to the molecular gas density and the effectiveness of stellar feedback, so we propose Σ SFR – M * as an important galaxy evolution diagram to complement (s)SFR– M * diagrams. Using the Σ SFR – M * diagram we confirm the Schiminovich et al. result that the level of SF along the main sequence today is only weakly mass-dependent—high-mass galaxies, despite their redder colors, are as active as blue, low-mass ones. At higher redshift, the slope of the “Σ SFR main sequence” steepens, signaling the epoch of bulge buildup in massive galaxies. We also find that Σ SFR based on the optical isophotal radius more cleanly selects both starbursting and spheroid-dominated (early-type) galaxies than the sSFR. One implication of our analysis is that the assessment of the inside-out versus outside-in quenching scenarios should consider both sSFR and Σ SFR radial profiles, because ample SF may be present in bulges with low sSFRs (red color).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».