Stochastic Modeling of Star Formation Histories. III. Constraints from Physically Motivated Gaussian Processes
Notice bibliographique
Résumé
Abstract Galaxy formation and evolution involve a variety of effectively stochastic processes that operate over different timescales. The extended regulator model provides an analytic framework for the resulting variability (or “burstiness”) in galaxy-wide star formation due to these processes. It does this by relating the variability in Fourier space to the effective timescales of stochastic gas inflow, equilibrium, and dynamical processes influencing giant molecular clouds' creation and destruction using the power spectral density (PSD) formalism. We use the connection between the PSD and autocovariance function for general stochastic processes to reformulate this model as an autocovariance function, which we use to model variability in galaxy star formation histories (SFHs) using physically motivated Gaussian processes in log star formation rate (SFR) space. Using stellar population synthesis models, we then explore how changes in model stochasticity can affect spectral signatures across galaxy populations with properties similar to the Milky Way and present-day dwarfs, as well as at higher redshifts. We find that, even at fixed scatter, perturbations to the stochasticity model (changing timescales vs. overall variability) leave unique spectral signatures across both idealized and more realistic galaxy populations. Distributions of spectral features including Hα and UV-based SFR indicators, Hδ and Ca H and K absorption-line strengths, D n (4000), and broadband colors provide testable predictions for galaxy populations from present and upcoming surveys with the Hubble Space Telescope, James Webb Space Telescope, and Nancy Grace Roman Space Telescope. The Gaussian process SFH framework provides a fast, flexible implementation of physical covariance models for the next generation of spectral energy distribution modeling tools. Code to reproduce our results can be found at https://github.com/kartheikiyer/GP-SFH .
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».