[论文解读] A New Census of the 0.2< z <3.0 Universe, Part II: The Star-Forming Sequence

Joel Leja, Joshua S. Speagle+7 more|arXiv (Cornell University)|Oct 8, 2021

Astronomy and Astrophysical Research被引用 10

一句话总结

本论文利用归一化流模型对 0.2 < z < 3.0 红移范围内星系的恒星形成序列（SFS）进行了重新定义，通过建模完整的 logM∗-logSFR-红移密度分布，避免了对恒星形成星系进行预选择所引入的系统性偏差。由于采用非参数化恒星形成历史和改进的 SED 拟合，其归一化值比以往研究低 0.2–0.5 dex，成功消除了与理论模型之间长期存在的偏差。

ABSTRACT

We use the panchromatic SED-fitting code Prospector to measure the galaxy logM$^*$-logSFR relationship (the `star-forming sequence') across $0.2 &lt; z &lt; 3.0$ using the COSMOS-2015 and 3D-HST UV-IR photometric catalogs. We demonstrate that the chosen method of identifying star-forming galaxies introduces a systematic uncertainty in the inferred normalization and width of the star-forming sequence, peaking for massive galaxies at $\sim 0.5$ dex and $\sim0.2$ dex respectively. To avoid this systematic, we instead parameterize the density of the full galaxy population in the logM$^*$-logSFR-redshift plane using a flexible neural network known as a normalizing flow. The resulting star-forming sequence has a low-mass slope near unity and a much flatter slope at higher masses, with a normalization $0.2-0.5$ dex lower than typical inferences in the literature. We show this difference is due to the sophistication of the Prospector stellar populations modeling: the nonparametric star formation histories naturally produce higher masses while the combination of individualized metallicity, dust, and star formation history constraints produce lower star formation rates than typical UV+IR formulae. We introduce a simple formalism to understand the difference between SFRs inferred from spectral energy distribution fitting and standard template-based approaches such as UV+IR SFRs. Finally, we demonstrate the inferred star-forming sequence is consistent with predictions from theoretical models of galaxy formation, resolving a long-standing $\sim0.2-0.5$ dex offset with observations at $0.5

研究动机与目标

• 解决在 0.5 < z < 3 范围内，观测到的星形成序列与理论预测之间长期存在的 0.2–0.5 dex 偏移问题。
• 量化并减轻因恒星形成星系预选择方法而引入的星形成序列归一化值和宽度的系统性不确定度。
• 开发一种稳健、灵活且公开可用的模型，用于描述 logM∗-logSFR-红移空间中完整星系群体的密度分布。
• 比较 SED 拟合得到的 SFR 与标准 UV+IR SFR，阐明两者差异的物理成因。
• 提供一个新且精确的参考星形成序列，使其与暗物质吸积率对齐，并可直接与未来观测和理论模型进行比较。

提出的方法

• 使用 Prospector-α SED 拟合代码，结合非参数化恒星形成历史、个体化尘埃、金属丰度和星族建模。
• 应用归一化流——一种深度生成模型——来参数化星系在三维空间 ρ(logM∗, logSFR, z) 中的完整密度分布。
• 通过建模整个星系群体，避免对恒星形成星系进行预选择，从而消除颜色裁剪或 SFR-M∗ 阈值带来的偏差。
• 采用贝叶斯推断方法，利用 dynesty 对后验分布进行采样，并在 COSMOS-2015 和 3D-HST 光度星表上训练归一化流模型。
• 提出一种形式化方法，用于比较 SED 拟合 SFR 与 UV+IR SFR，结果表明完整 SED 建模可得到更低且更准确的 SFR。
• 通过与理论模型对比，并利用光谱数据和模拟数据进行交叉校准，确保结果的稳健性。

实验结果

研究问题

• RQ1 不同恒星形成星系识别方法如何在推断星形成序列的归一化值和宽度时引入系统性偏差？
• RQ2 在去除预选择偏差后，0.2 < z < 3.0 范围内星形成序列的真实形状与归一化值是什么？
• RQ3 为何 SED 拟合 SFR 与标准 UV+IR SFR 存在差异？其背后的物理因素是什么？
• RQ4 新星形成序列在多大程度上与星系形成理论预测一致，特别是与暗物质吸积率的关系？
• RQ5 基于归一化流的完整星系群体密度模型能否替代传统 SFS 拟合方法，减少对任意分类裁剪的依赖？

主要发现

• 星形成序列具有质量依赖的斜率：低质量时接近 1，高质量时更平缓，在 z ∼ 2 以上使用单一斜率已足够。
• 序列归一化值比大多数以往文献结果低 0.2–0.5 dex，主要原因是非参数化 SFH 使 M∗ 偏高而 SFR 偏低。
• 在 z < 2 时，序列的固有弥散较窄（σ ∼ 0.3–0.35 dex），但在 z ≳ 2 且 M∗ > 10^11 M⊙ 时，弥散增加至 σ ∼ 0.4–0.5 dex。
• 新 SFS 与暗物质吸积率的理论预测高度一致，成功解决了在 0.5 < z < 3 范围内长期存在的 0.2–0.5 dex 偏差。
• ρ(logM∗, logSFR, z) 的归一化流模型已公开发布于 https://github.com/jrleja/sfs_leja_trained_flow，可供未来研究直接比对。
• 与 UV+IR SFR 的差异主要源于 Prospector-α 能够对每个天体独立建模尘埃、金属丰度和 SFH，从而获得更准确的 SFR 估计。