Stochastic prior for non-parametric star-formation histories
Notice bibliographique
Résumé
ABSTRACT The amount of power contained in the variations in galaxy star-formation histories (SFHs) across a range of time-scales encodes key information about the physical processes which modulate star formation. Modelling the SFHs of galaxies as stochastic processes allows the relative importance of different time-scales to be quantified via the power spectral density (PSD). In this paper, we build upon the PSD framework and develop a physically motivated, ‘stochastic’ prior for non-parametric SFHs in the spectral energy distribution (SED)-modelling code prospector. We test this prior in two different regimes: (1) massive, $z = 0.7$ galaxies with both photometry and spectra, analogous to those observed with the LEGA-C survey, and (2) $z = 8$ galaxies with photometry only, analogous to those observed with NIRCam on JWST. We find that it is able to recover key galaxy parameters (e.g. stellar mass, stellar metallicity) to the same level of fidelity as the commonly used continuity prior. Furthermore, the realistic variability information incorporated by the stochastic SFH model allows it to fit the SFHs of galaxies more accurately and precisely than traditional non-parametric models. In fact, the stochastic prior is $\gtrsim 2\times$ more accurate than the continuity prior in measuring the recent star-formation rates (log SFR$_{100}$ and log SFR$_{10}$) of both the $z = 0.7$ and $z = 8$ mock systems. While the PSD parameters of individual galaxies are difficult to constrain, the stochastic prior implementation presented in this work allows for the development of hierarchical models in the future, i.e. simultaneous SED-modelling of an ensemble of galaxies to measure their underlying PSD.
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 | 0,001 |
| 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 ».