Exploring Cosmic Dawn with PANORAMIC II: Cosmic Variance and Galaxy Clustering at $z\sim10$
Notice bibliographique
Résumé
Observational campaigns with JWST have revealed a higher-than-expected abundance of UV-bright galaxies at $z\gtrsim10$, with various proposed theoretical explanations. A powerful complementary constraint to break degeneracies between different models is galaxy clustering. In this paper, we combine PANORAMIC pure parallel and legacy imaging along 34 independent sightlines to measure the cosmic variance ($σ_{\rm CV}$) in the number counts of Lyman break galaxies at $z\sim10$ which is directly related to their clustering strength. We find $σ_{\rm CV}=0.96^{+0.20}_{-0.18}$, $1.46^{+0.54}_{-0.44}$, and $1.71^{+0.72}_{-0.59}$ per NIRCam pointing ($\sim9.7\,{\rm arcmin}^2$, $\lesssim1.5\,{\rm pMpc}$ at $z\sim10$) for galaxies with M$_{\rm UV}<-19.5$, $-20$, and $-20.5$. Comparing to galaxies in the fiducial UniverseMachine, we find that $σ_{\rm CV}$ is consistent with our measurements, but that the number densities are a factor $\gtrsim5$ lower. We implement simple models in the UniverseMachine that represent different physical mechanisms to enhance the number density of UV-bright galaxies. All models decrease $σ_{\rm CV}$ by placing galaxies at fixed M$_{\rm UV}$ in lower mass halos, but to varying degrees. Combined constraints on $σ_{\rm CV}$ and the UVLF thus tentatively disfavor models that globally increase the star formation efficiency (SFE) or the scatter in the M$_{\rm UV}$-$M_{\rm halo}$ relation, while models that decrease the mass-to-light ratio, or assume a power-law scaling of the SFE with $M_{\rm halo}$ agree better with the data. We show that with sufficient additional independent sightlines, robust discrimination between models is possible, paving the way for powerful constraints on the physics of early galaxy evolution through NIRCam pure parallel imaging.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».