Does the fundamental metallicity relation evolve with redshift? I: the correlation between offsets from the mass-metallicity relation and star formation rate
Notice bibliographique
Résumé
ABSTRACT The scatter about the mass-metallicity relation (MZR) has a correlation with the star formation rate (SFR) of galaxies. The lack of evidence of evolution in correlated scatter at z ≲ 2.5 leads many to refer to the relationship between mass, metallicity, and SFR as the Fundamental Metallicity Relation (FMR). Yet, recent high-redshift (z > 3) JWST observations have challenged the fundamental (i.e. redshift-invariant) nature of the FMR. In this work, we show that the cosmological simulations Illustris, IllustrisTNG, and Evolution and Assembly of GaLaxies and their Environment (EAGLE) all predict MZRs that exhibit scatter with a secondary dependence on SFR up to z = 8. We introduce the concept of a ‘strong’ FMR, where the strength of correlated scatter does not evolve with time, and a ‘weak’ FMR, where there is some time evolution. We find that each simulation analysed has a statistically significant weak FMR – there is non-negligible evolution in the strength of the correlation with SFR. Furthermore, we show that the scatter is reduced an additional ∼10–40 per cent at z ≳ 3 when using a weak FMR, compared to assuming a strong FMR. These results highlight the importance of avoiding coarse redshift binning when assessing the FMR.
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 | 0,001 | 0,007 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».