Understanding star formation on the largest scales using the smallest galaxies: a statistical approach
Notice bibliographique
Résumé
Globular clusters (GCs) are some of the oldest stellar populations in the universe. Their formation and evolution is deeply intertwined with that of their host galaxies, evidenced through a remarkably tight scaling relation between galaxy masses and the counts or masses of their GC populations. While this relation is well characterized for large galaxies, it is poorly constrained for dwarfs. Despite this, the simpler evolutionary histories and old, metal-poor stellar populations of dwarf galaxies make them a sort of “fossil” of early times, and therefore a promising venue in which to use GCs to learn about high-z star formation. This thesis utilizes empirical statistical models to characterize the massive star clusters of nearby dwarf galaxies and further our knowledge of large bursts of star formation in the high-z universe. The first project develops a hierarchical, errors-in-variables hurdle model (the HERBAL model) for the galaxy - GC scaling relation, which allows for the incorporation of galaxies without GCs. We find a wide mass transition region of 4 dex within which some galaxies host GCs while others lack them, and measure intrinsic scatter of $0.59$ dex. The second project applies the HERBAL model framework to young massive clusters (YMCs), the best local analogs to GCs. We find that, at a given stellar mass: (1) dwarf galaxies have more mass in GCs than in YMCs, and (2) a higher percentage of galaxies have GCs than YMCs. Evolutionary effects should cause these discrepancies to widen as the YMCs age into GC-like objects, implying that conditions in the early universe were far more favorable to large star cluster formation. The third project investigates the use of count models to describe the scaling relation between galaxy mass and number of GCs. We find that GC counts are not Poissonian nor zero-inflated, but are well described by a negative binomial regression. This suggests that GC formation is an extension of normal star formation, and that galaxies that lack GCs are not fundamentally different. These results can soon be directly tested with high-z observations, unlocking a more complete picture of star cluster formation and evolution across cosmic time.
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 | 0,001 | 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».