Skip to main content
Nubint
QUICK REVIEW

[論文レビュー] JWST Advanced Deep Extragalactic Survey (JADES) Data Release 5: Catalogs of inferred morphological properties of galaxies from JWST/NIRCam imaging in GOODS-N and GOODS-S

Courtney Carreira, Brant E. Robertson|arXiv (Cornell University)|Jan 22, 2026
Galaxies: Formation, Evolution, Phenomena被引用数 0
ひとこと要約

tldr: 本論文は JADES DR5 を用いて GOODS-N/S での 1e5 以上の銀河の Sérsic ベースの形態学カタログを提供し、再基準フレームでのサイズ進化と bulge-disk decomposition を可能にする。

ABSTRACT

We present morphological parameters and their uncertainties for all sources detected in JWST/NIRCam imaging in GOODS-N and GOODS-S from the JWST Advanced Deep Extragalactic Survey (JADES) catalogs. We model the surface brightness profiles of these sources with single-component Sérsic profiles, performing Bayesian inference of galaxy structural parameters. We fit each of the $>10^5$ sources with every available JWST/NIRCam wide-band filter individually, amounting to over 3 million Sérsic profiles computed. We provide catalogs of this morphological information, building one of the largest extragalactic morphological datasets to date, which we share alongside imaging and photometry from the JADES Data Release 5. With this information, we analyze the rest-frame optical redshift evolution of the effective radius and the surface luminosity density within a radius of 1 kiloparsec, $Σ_{ ext{1 kpc}}$, for 24,692 galaxies at $z>1$. We find $r_{ ext{eff}} \propto (1+z)^{-0.635 \pm 0.013}$ kpc, while $Σ_{ ext{1 kpc}}$ is relatively constant across time. Additionally, we explore bulge-disk decomposition on a subset of 8,390 galaxies in the JADES deep imaging covering the Hubble Ultra Deep Field, finding the effective radius of the bulge-components to increase marginally with time, whereas the disk-component sizes evolve as $r_{ ext{eff,disk}} \propto (1+z)^{-1.091 \pm 0.043}$. Future work modeling multi-component surface brightness profiles will enable further analysis of the morphological evolution of galaxies across cosmic time.

研究の動機と目的

  • 宇宙の時間と共に JWST データで銀河形態進化を研究する動機づけ
  • 複数の NIRCam フィルタにわたって 1e5 上の銀河に対して一様でベイズ推論に基づく形態パラメータを提供
  • 後方分布と mPSF を提供し、構造特性の頑健な統計解析を可能にする

提案手法

  • 各源を pysersic を用いた単一成分 Sérsic プロフィールでモデル化し、ベイズ推論を適用
  • JWST のシミュレーションとプログラムモザイクから得られた場・フィルタ特有の mPSF でモデルを畳み込み
  • セグメンテーションマップとマスクを用いて Sérsic プロフィールを適合させつつ、背景をセグメンテーションから固定
  • 利用可能な全ての NIRCam ワイドバンドフィルタを用いて再基準フレームの形態測定を取得
  • 後方分布とベストフィットパラメータ（後方分布の中央値）を不確かさの見積りとともにカタログで提供
  • 該当する場合には 2 成分 Sérsic_exp プロフィールを用いた bulge-disk decomposition を subset に含める
Figure 1: Example of a successful single-component Sérsic fit to a spiral galaxy in GOODS-S. From left to right: (1, left) F444W/F200W/F090W false-color RGB image of JADES ID 172089, with $z_{\text{phot}}$ = 0.81 (Robertson et al. , submitted ) . (2) F444W image of this object. Scale bars along the
Figure 1: Example of a successful single-component Sérsic fit to a spiral galaxy in GOODS-S. From left to right: (1, left) F444W/F200W/F090W false-color RGB image of JADES ID 172089, with $z_{\text{phot}}$ = 0.81 (Robertson et al. , submitted ) . (2) F444W image of this object. Scale bars along the

実験結果

リサーチクエスチョン

  • RQ1z>1 の深い JWST/NIRCam 画像における銀河の構造パラメータ（例：有効半径、Sérsic 指数）はどのように進化するのか
  • RQ2JWST/NIRCam フィルタと源特性の変化に対して単一成分 Sérsic フィットの頑健性と不確かさはどの程度か
  • RQ3深部 GOODS-S データで bulge と disk の成分を意味のある分離が可能で、サイズ進化を追跡できるか
  • RQ4形態フィットの検出と回収の限界は、光度、サイズ、プロファイル形状の関数としてどのように決まるか

主な発見

FieldFilterN Sources inN Sources DetectedPercentage of Detected
GOODS-NF070W34 93137 17694.0%
GOODS-NF090W124 199126 86797.9%
GOODS-NF115W146 185160 48591.1%
GOODS-NF150W132 272135 84597.4%
GOODS-NF200W137 506154 94388.7%
GOODS-NF277W119 260125 30495.2%
GOODS-NF356W136 828147 26592.9%
GOODS-NF444W154 260173 62688.8%
GOODS-SF070W102 444105 56197.0%
GOODS-SF090W222 042226 29098.1%
GOODS-SF115W278 021287 51796.7%
GOODS-SF150W284 470291 32497.6%
GOODS-SF200W284 709292 75997.3%
GOODS-SF277W282 952290 28297.5%
GOODS-SF356W284 717294 27796.8%
GOODS-SF444W294 248297 33599.0%
  • 再基準光学的半光半径は r_eff ∝ (1+z)^-0.635 ± 0.013 として z>1 の 24,692 銀河でスケールする
  • 1 kpc 表面光度密度 Sigma_1kpc は赤方偏移とともにほとんど変化しない
  • GOODS-S のサブセットでの bulge-disk decomposition は bulge の r_eff が時間とともに緩やかに成長する一方、disk の r_eff,disk は r_eff,disk ∝ (1+z)^-1.091 ± 0.043 にスケールする
  • 8 つの JWST/NIRCam ワイドバンドを横断して 3 百万超の Sérsic プロフィールを適合させ、統計解析のための大規模で一様な形態データセットを作成
  • 注入回収シミュレーションは、形態パラメータを回収するためのフラックス/信号対雑音比の要件を定量化し、大きな低 Sérsic 指数・低表面輓度外縁部に対するバイアスを強調する
Figure 2: Injection-recovery simulation results from the ( left ) shallow, ( middle ) medium, and ( right ) deep imaging regions, respectively, in the JWST/NIRCam F444W imaging mosaic in GOODS-S. Each bin value, in text, indicates the median log(flux) in nJy at which the flux value input into the mo
Figure 2: Injection-recovery simulation results from the ( left ) shallow, ( middle ) medium, and ( right ) deep imaging regions, respectively, in the JWST/NIRCam F444W imaging mosaic in GOODS-S. Each bin value, in text, indicates the median log(flux) in nJy at which the flux value input into the mo

より良い研究を、今すぐ始めましょう

論文設計から論文執筆まで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。