Non-parametric Star Formation History Reconstruction with Gaussian Processes I: Counting Major Episodes of Star Formation
Auteurs : Kartheik G. Iyer, Eric Gawiser, Sandra M. Faber, Henry C. Ferguson, Anton M. Koekemoer, Camilla Pacifici, Rachel Somerville
Résumé : The star formation histories (SFHs) of galaxies contain imprints of the physical processes responsible for regulating star formation during galaxy growth and quenching. We improve the Dense Basis SFH reconstruction method of Iyer & Gawiser (2017), introducing a nonparametric description of the SFH based on the lookback times at which a galaxy assembles certain quantiles of its stellar mass. The method uses Gaussian Processes to create smooth SFHs that are independent of any functional form, with a flexible number of parameters that is adjusted to extract the maximum possible amount of SFH information from the SEDs being fit. We apply the method to reconstruct the SFHs of 48,791 galaxies with $H<25$ at $0.5 < z < 3.0$ across the five CANDELS fields. Using these SFHs, we study the evolution of galaxies as they grow more massive over cosmic time. We quantify the fraction of galaxies that show multiple major episodes of star formation, finding that the median time between two peaks of star formation is $\sim 0.42_{-0.10}^{+0.15}t_{univ}$ Gyr, where $t_{univ}$ is the age of the universe at a given redshift and remains roughly constant with stellar mass. Correlating SFHs with morphology, we find that studying the median SFHs of galaxies at $0.5<z<1.0$ at the same mass ($10^{10}< M_* < 10^{10.5}M_\odot$) allows us to compare the timescales on which the SFHs decline for different morphological classifications, ranging from $0.60^{-0.54}_{+1.54}$ Gyr for galaxies with spiral arms to $2.50^{-1.50}_{+2.25}$ Gyr for spheroids. The Gaussian Process-based SFH description provides a general approach to reconstruct smooth, nonparametric SFH posteriors for galaxies with a flexible number of parameters that can be incorporated into Bayesian SED fitting codes to minimize the bias in estimating physical parameters due to SFH parametrization.
Outils pour cet article
Posez des questions sur cet article à notre assistant IA
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
⚠La licence de l'article ne nous permet pas de nous appuyer sur son contenu et l'assistant IA ne peut se servir que des métadonnées de l'article plutôt que de l'article complet.
Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.
⚠La licence de cet article spécifique ne nous permet pas de nous appuyer sur son contenu et les outils de synthèse seront exécutés en utilisant les métadonnées de l'article plutôt que l'article complet. Cependant, l'outil produira quand même un bon résultat, et vous pouvez également essayer nos outils sur des papiers avec des licences plus ouvertes.
Articles similaires résumés avec nos outils d'IA
Naviguez à travers encore plus d'articles similaires en utilisant une
représentation arborescenteRecherchez des articles similaires (en version bêta)
Nous comparons le titre et le résumé avec les articles indexés dans notre base. Pour les articles arXiv, la recherche porte sur la même catégorie ; pour les DOI et les autres sources, elle couvre toutes les sources et disciplines. Vous pouvez la relancer à mesure que notre base s’enrichit.
Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.