“SFH”的版本间差异

来自Shiyin's note
跳到导航 跳到搜索
无编辑摘要
 
(未显示同一用户的1个中间版本)
第20行: 第20行:
:* [[damped random walk]]
:* [[damped random walk]]


===参数化的恒星形成历史===
*用得比较多的是对数正态函数
#Gladder是13年的文章 [https://iopscience.iop.org/article/10.1088/0004-637X/770/1/64]说了两点:(1)Madau图可以用log-normal来 (2)单个星系的SFH在统计方法上也复合log-normal
#Diemer(2017)(arXiv1701.02308)进一步探讨数值模拟(Illustris)中单个星系的SFH也基本可以用 log-normal来描述(可能对一些卫星星系和小质量星系不是特别好)。
这种函数形式本质上是初始阶段上升快,后面缓慢衰落。而且,有意思的是,描述SFH的log-normal的两个参数之间存在相关性。也就是说可能一个参数(tpeak)可能就能基本描述星系的SFH。
log-normal的形式还能很好的解释今天观测到的星系的quench的现象。
===测光数据===
===测光数据===
*starpy http://arxiv.org/abs/1609.00023
*starpy http://arxiv.org/abs/1609.00023
第26行: 第32行:
: SFH is modelled as an exponential decline of the SFR described by two parameters [tq; tau], where tq is the time quench begins
: SFH is modelled as an exponential decline of the SFR described by two parameters [tq; tau], where tq is the time quench begins
:
:

==光谱中的信息量==
*光谱中有足够的信息量recover SFH吗? arXiv:2208.05489
:从信息学的基础原理部分计算光谱连续谱特征中的熵

2022年8月14日 (日) 14:53的最新版本

  • 恒星形成历史
  • 根据SFH,生成光谱的工具[1]

recover SFH

非参数化的恒星形成历史

  • arXiv1901.02877 Dense Basis SFH
利用几个特征参数(形成特定比例的恒星的时间)来描述,根据测量的S/N来自动判断需要几个参数。
给定这些参数之后,利用Gaussian Process来生成具体的SFH
Gaussian过程中需要假设一个核函数(协方差),物理上就是SFR在不同的时间上有多大程度是协变的还是stochastic的。参见下面这篇文章
  • arXiv1901.07556 stochastic modeling of SFH
核心假设(1): 星系的SFH偏离main sequence的主线的过程是stochastic的
核心假设(2):这个随机过程,可以用功率谱(PSD,power spectrum density)或者自相关函数来描述,比较常见的:
  • 白噪声,功率谱是常数,
  • 随机行走 (red noise)
  • damped random walk

参数化的恒星形成历史

  • 用得比较多的是对数正态函数
  1. Gladder是13年的文章 [4]说了两点:(1)Madau图可以用log-normal来 (2)单个星系的SFH在统计方法上也复合log-normal
  2. Diemer(2017)(arXiv1701.02308)进一步探讨数值模拟(Illustris)中单个星系的SFH也基本可以用 log-normal来描述(可能对一些卫星星系和小质量星系不是特别好)。

这种函数形式本质上是初始阶段上升快,后面缓慢衰落。而且,有意思的是,描述SFH的log-normal的两个参数之间存在相关性。也就是说可能一个参数(tpeak)可能就能基本描述星系的SFH。 log-normal的形式还能很好的解释今天观测到的星系的quench的现象。

测光数据

a python code, derive the quenching SFH of a galaxy through a Bayesian MCMC method [5]
usingthe observed u-r and NUV-u colours, a redshift, BC03, solar metallicity , Chabrier IMF, no intrinsic dust
SFH is modelled as an exponential decline of the SFR described by two parameters [tq; tau], where tq is the time quench begins

光谱中的信息量

  • 光谱中有足够的信息量recover SFH吗? arXiv:2208.05489
从信息学的基础原理部分计算光谱连续谱特征中的熵