BUDDI-MaNGA
Notice bibliographique
Résumé
The many unique properties of galaxies are shaped by physical processes that affect different components of the galaxy – such as their bulges and discs – in different ways, and they leave characteristic imprints on the light and spectra of these components. Disentangling these spectra reveals vital clues that can be traced back in time to understand how galaxies, and their components, form and evolve throughout their lifetimes. With BUDDI, we have decomposed the integral field unit (IFU) datacubes in SDSS-MaNGA DR17 into Sérsic bulge and exponential disc components and extracted clean bulge and disc spectra. BUDDI-MaNGA is the first large statistical sample of such decomposed spectra of 1452 galaxies covering morphologies from ellipticals to late-type spirals. We derive stellar masses of the individual components with spectral energy distribution (SED) fitting using BAGPIPES and estimate their mean mass-weighted stellar metallicities and stellar ages using P PXF. With this information, we reconstruct the mass assembly histories of the bulges and discs of 968 spiral galaxies (Sa-Sm types). Our results show a clear downsizing effect especially for the bulges, with more massive components assembling earlier and faster than the less massive ones. Additionally, we compare the stellar populations of the bulges and discs in these galaxies, and find that a majority of the bulges host more metal-rich and older stars than their disc counterparts. Nevertheless, we also find a non-negligible fraction of the spiral galaxy population in our sample contains bulges that are younger and more metal-enhanced than their discs. We interpret these results, taking into account how their formation histories and current stellar populations depend on stellar mass and morphology.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».