The kinematics of massive high-redshift dusty star-forming galaxies
Notice bibliographique
Résumé
ABSTRACT We present a new method for modelling the kinematics of galaxies from interferometric observations by performing the optimization of the kinematic model parameters directly in visibility space instead of the conventional approach of fitting velocity fields produced with the clean algorithm in real-space. We demonstrate our method on Atacama Large Millimeter/submillimeter Array (ALMA) observations of $^{12}$CO (2–1), (3–2), or (4–3) emission lines from an initial sample of 30 massive 850 $\mu$m-selected dusty star-forming galaxies with far-infrared luminosities $\gtrsim$$\, 10^{12}$ L$_{\odot }$ in the redshift range $z \sim$ 1.2–4.7. Using the results from our modelling analysis for the 12 of the 20 sources with the highest signal-to-noise emission lines that show disc-like kinematics, we conclude the following: (i) our sample prefers a CO-to-$H_2$ conversion factor, of $\alpha _{\rm CO} = 0.74 \pm 0.37$; (ii) these far-infrared luminous galaxies follow a similar Tully–Fisher relation between the circular velocity, $V_{\rm circ}$, and baryonic mass, $M_{\rm b}$, as less strongly star-forming samples at high redshift, but extend this relation to much higher masses – showing that these are some of the most massive disc-like galaxies in the Universe; (iii) finally, we demonstrate support for an evolutionary link between massive high-redshift dusty star-forming galaxies and the formation of local early-type galaxies using the both the distributions of the baryonic and kinematic masses of these two populations on the $M_{\rm b}$ – $\sigma$ plane and their relative space densities.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».