EPOCHS. II. The Ultraviolet Luminosity Function from 7.5 < z < 13.5 Using 180 arcmin<sup>2</sup> of Deep, Blank Fields from the PEARLS Survey and Public JWST Data
Notice bibliographique
Résumé
Abstract We present an analysis of the ultraviolet luminosity function (UV LF) and star formation rate density of distant galaxies (7.5 < z < 13.5) in the “blank” fields of the Prime Extragalactic Areas for Reionization and Lensing Science (PEARLS) survey combined with Early Release Science data from the CEERS, GLASS, and NGDEEP surveys/fields and the first data release of JADES. We use strict quality cuts on EAZY photometric redshifts to obtain a reliable selection and characterization of high-redshift (z > 6.5) galaxies from a consistently processed set of deep, near-infrared imaging. Within an area of 180 arcmin2, we identify 1046 candidate galaxies at redshifts z > 6.5 and we use this sample to study the UV LF in four redshift bins between 7.5 < z < 13.5. The measured number density of galaxies at z = 8 and z = 9 matches those of past observations undertaken by the Hubble Space Telescope (HST). Our z = 10.5 measurements lie between early James Webb Space Telescope (JWST) results and past HST results, indicating cosmic variance may be the cause of previous high density measurements. However, the number densities of UV-luminous galaxies at z = 12.5 are high compared to predictions from simulations. When examining the star formation rate density of galaxies at this period, our observations are still largely consistent with a constant star formation efficiency, are slightly lower than previous early estimations using JWST, and support galaxy driven reionization at z ≤ 8.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».