What Is the Nature of Little Red Dots and what Is Not, MIRI SMILES Edition
Notice bibliographique
Résumé
Abstract We study 31 little red dots (LRD) detected by JADES/NIRCam and covered by the SMILES/MIRI survey, of which ∼70% are detected in the two bluest MIRI bands and 40% in redder MIRI filters. The median/quartiles redshifts are z = 6.9 5.9 7.7 (55% spectroscopic). The spectral slopes flatten in the rest-frame near-infrared, consistent with a 1.6 μ m stellar bump but bluer than direct pure emission from active galactic nuclei (AGN) tori. The apparent dominance of stellar emission at these wavelengths for many LRDs expedites stellar mass estimation: the median/quartiles are log M ⋆ / M ⊙ = 9.4 9.1 9.7 . The number density of LRDs is 10 −4.0±0.1 Mpc −3 , accounting for 14% ± 3% of the global population of galaxies with similar redshifts and masses. The rest-frame near-/mid-infrared (2–4 μ m) spectral slope reveals significant amounts of warm dust (bolometric attenuation ∼3–4 mag). Our spectral energy distribution modeling implies the presence of <0.4 kpc diameter knots, heated by either dust-enshrouded OB stars or an AGN producing a similar radiation field, obscured by A ( V ) > 10 mag. We find a wide variety in the nature of LRDs. However, the best-fitting models for many of them correspond to extremely intense and compact starburst galaxies with mass-weighted ages 5–10 Myr, very efficient in producing dust, with their global energy output dominated by the direct (in the flat rest-frame ultraviolet and optical spectral range) and dust-recycled emission from OB stars with some contribution from an obscured AGN (in the infrared).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,005 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».