The effect of mass and morphology on the mass assembly of galaxies
Notice bibliographique
Résumé
The pace at which galaxies grew into their current stellar masses and how this growth is regulated is still not fully understood, nor is the role that morphology plays in this process. We applied full spectral fitting techniques with pyPipe3D to the MaNGA sample to obtain its star formation and stellar mass histories and used these to investigate the mass assembly of galaxies by measuring how their specific star formation correlates to their stellar mass at different look-back times. We find that the correlation between these two parameters was shallower in the past. Galaxies used to have similar mass doubling times and the current negative correlation between the specific star formation and M * is primarily due to more massive galaxies ‘dropping’ off the main sequence earlier than less massive ones. Additionally, selecting the galaxies into bins based on their present-day morphology shows a segregation in specific star formation rate (sSFR) that is maintained even at high look-back times, showing that the factors that determine which morphology a galaxy ends up in are in place at very early times. Similarly, selecting them based on their current star formation status shows that, on average, currently retired galaxies used to have slightly a higher sSFR before the drop-off, whereas galaxies that have continued to form stars until today had a lower sSFR initially. We compare our results to a set of cosmic surveys, finding partial agreement in our results with several of them, though with significant offsets in redshift. Finally, we discuss how our results fit with certain theoretical models on galaxy evolution as well as cosmological simulations.
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 | 0,001 |
| 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 ».