A novel Bayesian approach for decomposing the radio emission of quasars – II. Link between quasar radio emission and black hole mass
Notice bibliographique
Résumé
ABSTRACT Whether the mass of supermassive black hole ($M_\mathrm{BH}$) is directly linked to the quasar radio luminosity remains a long-debated issue, and understanding the role of $M_\mathrm{BH}$ in the evolution of quasars is pivotal to unveiling the mechanism of active galactic nucleus (AGN) feedback. In this work, based on a two-component Bayesian model, we examine how $M_\mathrm{BH}$ affects the radio emission from quasars, separating the contributions from host galaxy star formation (SF) and AGN activity. By modelling the radio flux density distribution of Sloan Digital Sky Survey quasars from the LOFAR Two-metre Sky Survey Data Release 2, we find no correlation between $M_\mathrm{BH}$ and star formation rate (SFR) at any mass for quasars at a given redshift and bolometric luminosity. The same holds for AGN activity across most $M_\mathrm{BH}$ values; however, quasars with the top 20 per cent most massive supermassive black holes (SMBHs) are two to three times more likely to host strong radio jets than those with lower mass SMBHs at similar redshift and luminosity. We suggest defining radio quasar populations by their AGN and SF contributions instead of radio loudness; our new definition unifies previously divergent observational results on the role of $M_\mathrm{BH}$ in quasar radio emissions. We further demonstrate that this radio enhancement in quasars with the 20 per cent most massive SMBHs affects only the $\sim 5~{{\rm per\ cent}}$ most radio bright quasars at a given redshift and bolometric luminosity. We discuss possible physical origins of this radio excess in the most massive and radio-bright quasar population, which remains an interest for future study.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».