The Connection between Galaxy Mergers, Star Formation, and Active Galactic Nuclei Activity in the HSC-SSP
Notice bibliographique
Résumé
Abstract Internal gas inflows driven by galaxy mergers are considered to enhance star formation rates (SFRs), fuel supermassive black hole growth, and stimulate active galactic nuclei (AGNs). However, quantifying these phenomena remains a challenge, due to difficulties both in classifying mergers and in quantifying galaxy and AGN properties. We quantitatively examine the merger–SFR–AGN connection using Hyper Suprime-Cam Subaru Strategic Program (HSC-SSP) galaxies using novel methods for both galaxy classification and property measurements. Mergers in HSC-SSP observational images are identified through fine-tuning Zoobot, a pretrained deep representation learning model, using images and labels based on the Galaxy Cruise project. We use galaxy and AGN properties that were produced by fitting Galaxy and Mass Assembly spectra using the spectral energy distribution fitting code ProSpect, which fits panchromatically across the far-ultraviolet through far-infrared wavelengths and obtains galaxy and AGN properties simultaneously. Small differences are seen in SFR and AGN activity between mergers and controls, with ΔSFR = −0.009 ± 0.003 dex, Δf AGN = −0.010 ± 0.033 dex, and ΔL AGN = 0.002 ± 0.025 dex. After further visual purification of the merger sample, we find ΔSFR = −0.033 ± 0.014 dex, Δf AGN = −0.024 ± 0.170 dex, and ΔL AGN = 0.019 ± 0.129 dex for pairs, and ΔSFR = −0.057 ± 0.024 dex, Δf AGN = 0.286 ± 0.270 dex, and ΔL AGN = 0.329 ± 0.195 dex for postmergers. These numbers suggest secular processes being an important driver for star formation and AGN activity, and present a cautionary tale when using longer-timescale tracers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».