MétaCan
Menu
← Retour à la cohorte
Enregistrement W7097093804

Preprint typeset using LATEX style emulateapj FAINT FIELD GALAXIES: AN EXPLANATION OF THE FAINT BLUE EXCESS USING NUMBER EVOLUTION MODELS

2001· article· en· W7097093804 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueGalaxies: Formation, Evolution, Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRedshiftGalaxyHubble Deep FieldSupercluster (genetic)PopulationGalaxy formation and evolutionLuminosityUniverseNumber densityHubble's law
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Pure luminosity evolution models for galaxies provide an unacceptable fit to the redshifts and colors of faint galaxies. In this paper we demonstrate, using HST morphological number counts derived both from the I814-band of WFPC2 in the Medium Deep Survey (MDS) and the Hubble Deep Field (HDF) and from the H1.6-band of NICMOS, and ground-based spectroscopic data of the Hawaii Deep Field and the Canada-France Redshift Survey, that number evolution is necessary for galaxies, regardless of whether the cosmic geometry is flat, open, or Λ-dominated. Furthermore, we show that the number evolution is small at redshifts of z < 1, but large at z> 1, and that this conclusion is valid for all the three cosmological models under consideration. If the universe is open or Λ-dominated, the models, which are subject to the constraint of the conservation of the comoving mass density of galaxies, naturally predict a population of starforming galaxies with the redshift distribution peaking at z = 2 ∼ 3, which seems to be consistent with the recent findings from Lyman-break photometric selection techniques. If the cosmological model is flat, however, the conservation of the comoving mass density is invalid. Hence, in order to account for the steep slope of B-band number counts at faint magnitudes in the flat universe, such a star-forming galaxy population has to be introduced ad hoc into the modelling alongside the merger assumption. 1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,313

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0940,015

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 Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGalaxies: Formation, Evolution, Phenomena→Travaux en français237 207→