MétaCan
Menu
Retour à la cohorte
Enregistrement W6959226633 · doi:10.1051/0004-6361/202243602/pdf

Measuring chemical abundances in AGN from infrared nebular lines: HII-CHI-M

2022· article· en· W6959226633 sur OpenAlexaboutno aff

Notice bibliographique

RevueSpringer Link (Chiba Institute of Technology) · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Pathogens and Resistance
Établissements canadiensnon disponible
Organismes subventionnairesInstituto de Astrofísica de AndalucíaMinisterio de Ciencia e InnovaciónEuropean CommissionMinisterio de Ciencia, Innovación y Universidades
Mots-clésInfraredGalaxyPhotoionizationEmission spectrumLine (geometry)IonizationLuminous infrared galaxySpectral lineActive galactic nucleus

Résumé

récupéré en direct d'OpenAlex

Context. Future and ongoing infrared and radio observatories such as JWST, METIS, and ALMA will increase the amount of rest-frame IR spectroscopic data for galaxies by several orders of magnitude. While studies of the chemical composition of the interstellar medium (ISM) based on optical observations have been widely spread over decades for star-forming galaxies (SFGs) and, more recently, for active galactic nuclei (AGN), similar studies need to be performed using IR data. In the case of AGN, this regime can be especially useful given that it is less affected by temperature and dust extinction, traces higher ionic species, and can also provide robust estimations of the chemical abundance ratio N/O. Aims. We present a new tool based on a Bayesian-like methodology (HII-CHI-M<ns0:sc>ISTRY</ns0:sc>-IR) to estimate chemical abundances from IR emission lines in AGN. We use a sample of 58 AGN with IR spectroscopic data retrieved from the literature, composed by 43 Seyferts, eight ultraluminous infrared galaxies (ULIRGs), four luminous infrared galaxies (LIRGs), and three low-ionization nuclear emission line regions (LINERs), to probe the validity of our method. The estimations of the chemical abundances based on IR lines in our sample are later compared with the corresponding abundances derived from the optical emission lines in the same objects. Methods. HII-CHI-M<ns0:sc>ISTRY</ns0:sc>-IR takes advantage of photoionization models, characterized by the chemical abundance ratios O/H and N/O, and the ionization parameter U, to compare their predicted emission-line fluxes with a set of observed values. Instead of matching single emission lines, the code uses some specific emission-line ratios that are sensitive to the above free parameters. Results. We report mainly solar and also subsolar abundances for O/H in the nuclear region for our sample of AGN, whereas N/O clusters are around solar values. We find a discrepancy between the chemical abundances derived from IR and optical emission lines, the latter being higher than the former. This discrepancy, also reported by previous studies of the composition of the ISM in AGN from IR observations, is independent of the gas density or the incident radiation field to the gas, and it is likely associated with dust obscuration and/or temperature stratification within the gas nebula.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,646
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,197
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpringer Link (Chiba Institute of Technology)Même sujetPlant Pathogens and ResistanceTravaux en français237 207