Metal-Poor Star-Forming Clumps in Cosmic Noon Galaxies: Evidence for Gas Inflow and Chemical Dilution Using JWST NIRISS
Notice bibliographique
Résumé
The formation and evolution of galaxies are intricately linked to the baryon cycle, which fuels star formation while shaping chemical abundances within galaxies. Investigating the relationship between star formation and metallicity for large samples of galaxies requires expensive IFU surveys or sophisticated tools to analyze grism data. Here we analyze JWST NIRISS slitless grism data using Sleuth, a tool that forward models and infers spatially resolved physical properties from grism data, including observations from JWST NIRISS/NIRCam and future grism data like that from the Roman Space Telescope. Sleuth enables extraction of high-quality emission line maps from slitless spectra, overcoming contamination and spatially varying stellar populations, which previously limited such studies. Utilizing Sleuth with data from the CAnadian NIRISS Unbiased Cluster Survey (CANUCS), we investigated the relationship between metallicity and star formation in the star-forming clumps of galaxies at 0.6 < z < 1.35. We analyzed a sample of 20 galaxies, extracted high-quality emission line maps with Sleuth, and analyzed, in detail, the spatially resolved properties of star-forming clumps. Using $Hα$, [SII], and [SIII] emission line maps, we examined the spatially resolved metallicities, ionization, and star formation rates of our sample. Our findings reveal that these star-forming clumps show lower metallicities ($\sim$ 0.1 dex) than their surrounding galactic environments, indicating a metallicity dilution of 20 $\%$ within the clumps' gas. Our analysis indicates that these clumps exhibit intensified star formation and reduced metallicity, likely due to the inflow of metal-poor gas. These clumps illustrate the dynamic relationship between star formation and chemical enrichment within galaxies.
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 | 0,002 | 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) | 0,001 | 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 ».