REBELS-IFU: dust build-up in massive galaxies at redshift 7
Notice bibliographique
Résumé
ABSTRACT In recent years, observations with the James Webb Space Telescope (JWST) have started to map out the rapid metal enrichment of the early Universe, while (sub)millimetre observations have simultaneously begun to reveal the ubiquity of dust beyond $z\gtrsim 6$. However, the pathways that led to the assembly of early dust reservoirs remain poorly quantified, and require pushing our understanding of key scaling relations between dust, gas, and metals into the early Universe. We investigate the dust build-up in twelve $6.5 \lesssim z \lesssim 7.7$ galaxies drawn from the Reionization Era Bright Emission Line Survey (REBELS) that benefit from (i) JWST/NIRSpec strong-line metallicity measurements, (ii) Atacama Large Millimetre/submillimetre Array (ALMA) [C ii]-based redshifts and gas masses, and (iii) dust masses from single- or multi-band ALMA continuum observations. Combining these measurements, we investigate the dust-to-gas (DtG), dust-to-metal (DtM), and dust-to-stellar mass (DtS) ratios of our sample as a function of metallicity. While our analysis is limited by systematic uncertainties related to the [C ii]-to-H$_2$ conversion factor and dust temperature, we explore a wide range of possible values, and carefully assess their impact on our results. Under a fiducial set of assumptions, we find an average $\log (\mathrm{DtG}) = -3.02 \pm 0.23$, only slightly below that of local metal-rich galaxies. On the other hand, at fixed metallicity our average $\log (\mathrm{DtS}) = -2.15 \pm 0.42$ is significantly larger than that of low-redshift galaxies. Finally, through a comparison to various theoretical models of high-redshift dust production, we find that assembling the dust reservoirs in massive galaxies at $z\approx 7$ likely requires the combination of rapid supernova enrichment and efficient interstellar medium dust growth.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».