Identification of a transition from stochastic to secular star formation around
Notice bibliographique
Résumé
Star formation histories (SFHs) of early galaxies (6 < z < 12) have been found to be highly stochastic in both simulations and observations, while at z≲6 the presence of a main sequence (MS) of star-forming galaxies implies secular processes at play. In this work we characterise the SFH variability of early galaxies as a function of their stellar mass and redshift. We used the JADES public catalogue and derived the physical properties of the galaxies as well as their SFHs using the spectral energy distribution modelling code CIGALE. To this end, we implemented a non-parametric SFH with a flat prior allowing for as much stochasticity as possible. We used the star formation rate (SFR) gradient, an indicator of the movement of galaxies on the SFR–M* plane, linked to the recent SFH of galaxies. This dynamical approach of the relation between the SFR and stellar mass allows us to show that, at z > 9, 87% of massive galaxies (log(M*/M⊙)≳9) have SFR gradients consistent with a stochastic star formation activity during the last 100 Myr, while this fraction drops to 15% at z < 7. On the other hand, we see an increasing fraction of galaxies with a star formation activity following a common stream on the SFR–M* plane with cosmic time, indicating that a secular mode of star formation is emerging. We place our results in the context of the observed excess of UV emission as probed by the UV luminosity function at z ≳ 10 by estimating σUV, the dispersion of the UV absolute magnitude distribution, to be of the order of 1.2 mag, and compare it with predictions from the literature. In conclusion, we find a transition of star formation mode happening around z ∼ 9: Galaxies with stochastic SFHs dominate at z ≳ 9, although this level of stochasticity is too low to reach those invoked by recent models to reproduce the observed UV luminosity function.
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 | 0,002 |
| 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 | 0,001 | 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 ».