0.2< z <3.0 宇宙新普查,第二部分:恒星形成序列
星系天体物理
2022-09-21 v2
摘要
我们使用全色 SED 拟合代码 Prospector,基于 COSMOS-2015 与 3D-HST 紫外-红外测光星表,在 范围内测量星系 logM-logSFR 关系(即“恒星形成序列”)。我们证明所选恒星形成星系的甄别方法给推断的恒星形成序列归一化与宽度引入了系统不确定性,对大质量星系分别达到约 dex 与 dex 的峰值。为避免该系统性,我们改用称为归一化流的灵活神经网络在 logM-logSFR-红移平面上参数化完整星系种群的密度。所得恒星形成序列在低质量端斜率接近 1,在高质量端斜率则平缓得多,其归一化比文献中典型推断低 dex。我们表明该差异源于 Prospector 恒星种群建模的精细性:非参数恒星形成历史自然产生更高质量,而个体化金属丰度、尘埃与恒星形成历史约束的组合产生比典型 UV+IR 公式更低的恒星形成率。我们引入一种简单形式体系以理解由光谱能量分布拟合推断的 SFR 与基于标准模板的方法(如 UV+IR SFR)之间的差异。最后,我们证明推断的恒星形成序列与星系形成理论模型预言一致,解决了 处与观测长期存在的 dex 偏移。包含 非参数描述的完全训练归一化流已在线提供,以便与未来工作直接比较。
引用
@article{arxiv.2110.04314,
title = {A New Census of the 0.2< z <3.0 Universe, Part II: The Star-Forming Sequence},
author = {Joel Leja and Joshua S. Speagle and Yuan-Sen Ting and Benjamin D. Johnson and Charlie Conroy and Katherine E. Whitaker and Erica J. Nelson and Pieter van Dokkum and Marijn Franx},
journal= {arXiv preprint arXiv:2110.04314},
year = {2022}
}
备注
Accepted to ApJ. Trained flow available at https://github.com/jrleja/sfs_leja_trained_flow