Star formation efficiency across large-scale galactic environments
Notice bibliographique
Résumé
ABSTRACT Environmental effects on the formation and evolution of galaxies have been one of the leading questions in galaxy studies during the past few decades. In this work, we investigate the relationship between the star formation activity of galaxies and their environmental matter density using the cosmological hydrodynamic simulation Simba. The galactic star formation activity indicators that we explore include the star formation efficiency (SFE), specific star formation rate (sSFR), and molecular hydrogen mass fraction ($f^{*}_{\mathrm{H_2}}$), and the environment is considered as the large-scale environmental matter density, calculated based on the stellar mass of nearby galaxies on a 1 h−1 Mpc grid using the cloud in cell method. Our sample includes galaxies with $9\lt \log \frac{M_*}{{\rm M}_{\odot }}$ at 0 < z < 4, divided into three stellar mass bins to disentangle the effects of stellar mass and environment on the star formation activity of galaxies. For low- to intermediate-mass galaxies at low redshifts (z < 1.5), we find that the star formation efficiency of those in high-density regions are ∼0.3 dex lower than those in low-density regions. However, there is no significant environmental dependence of the star formation efficiency for massive galaxies over all our redshift range, and low- to intermediate-mass galaxies at high redshifts (z > 1.5). We present a scaling relation for the depletion time of cold molecular hydrogen (tdepl = 1/SFE) as a function of galaxy parameters including environmental density. Our findings provide a framework for quantifying the environmental effects on the star formation activities of galaxies as a function of stellar mass and redshift. The most significant environmental dependence is seen at later cosmic times (z < 1.5) and towards lower stellar masses ($9\lt \log \frac{M_*}{{\rm M}_{\odot }}\lt 10$). Future large galaxy surveys can use this framework to look for the environmental dependence of the star formation activity and examine our predictions.
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 | 0,001 | 0,001 |
| 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 ».