تعداد النقاط الحمراء الصغيرة المختارة فوتومترياً في 4 < z < 9 في مجالات JWST الفارغة A Census of Photometrically Selected Little Red Dots at 4 < z < 9 in JWST Blank Fields
ملاحظة هامة: يُنصح بالاطلاع على نسخة الناشر (PDF الخاص بالناشر) إذا كنت ترغب في الاقتباس من
يرجى التحقق من نسخة الوثيقة أدناه.
نسخة الوثيقة
نسخة الناشر بصيغة PDF، والمعروفة أيضًا باسم النسخة المسجلة
تاريخ النشر:
٢٠٢٤
رابط للنشر في قاعدة بيانات أبحاث جامعة غرونينغن/UMCG
اقتباس للإصدار المنشور (APA):
كوكوريف، ف.، كابوتي، ك. آي.، غرين، ج. إي.، دايال، ب.، تريبيتش، م.، كاتلر، س. إي.، فوجيموتو، س.، لابي، إ.، ميلر، ت. ب.، لاني، إ.، نافارو-كاريرا، ر.، ورينالدي، ب. (2024). تعداد للنقاط الحمراء الصغيرة المختارة فوتومترياً فيفي مجالات JWST الفارغة. مجلة الفيزياء الفلكية، 968(1)، المقال 38.https://doi.org/10.3847/1538-4357/ad4265
حقوق الطبع والنشر
بخلاف الاستخدام الشخصي البحت، لا يُسمح بتحميل أو إعادة توجيه/توزيع النص أو جزء منه دون موافقة المؤلفين و/أو أصحاب حقوق الطبع والنشر، ما لم يكن العمل تحت ترخيص محتوى مفتوح (مثل رخصة المشاع الإبداعي).
إذا كنت تعتقد أن هذا المستند ينتهك حقوق الطبع والنشر، يرجى الاتصال بنا مع تقديم التفاصيل، وسنقوم بإزالة الوصول إلى العمل على الفور والتحقيق في ادعائك.
تعداد النقاط الحمراء الصغيرة المختارة فوتومترياً في 4 < z < 9 في مجالات JWST الفارغة
فاسيلي كوكوريف (D)، كارينا آي. كابوتي (D)، جيني إي. غرين (D)، براتيكا دايال (D)، ماكسيم تريبيتش (D)، سام إي. كاتلر (D)، سيجي فوجيموتو (D)، إيفو لابي (D)، تيم ب. ميلر (D)، إدواردو إياني (D)، رافائيل نافارو-كاريرا (D) وبييرلويجي رينالدي (د)معهد كابتين الفلكي، جامعة غرونينغن، 9700 AV غرونينغن، هولندا؛ vkokorev@utexas.eduمركز فجر الكون (داون)، معهد نيلز بور، جامعة كوبنهاغن، ياجتفي 128، كوبنهاغن ن، DK-2200، الدنماركقسم العلوم الفلكية، جامعة برينستون، 4 شارع آيفي، برينستون، نيو جيرسي 08544، الولايات المتحدة الأمريكيةقسم الفلك، جامعة ماساتشوستس، أمهرست، MA 01003، الولايات المتحدة الأمريكيةقسم الفلك، جامعة تكساس في أوستن، أوستن، تكساس 78712، الولايات المتحدة الأمريكيةمركز الفيزياء الفلكية والحوسبة الفائقة، جامعة سوينبرن للتكنولوجيا، ملبورن، فيكتوريا 3122، أستراليامركز الاستكشاف والبحث بين التخصصات في علم الفلك (CIERA)، جامعة نورث وسترن، 1800 شارع شيرمان، إيفانستون، إلينوي 60201، الولايات المتحدة الأمريكيةاستلم في 23 يناير 2024؛ تم تنقيحه في 6 أبريل 2024؛ تم قبوله في 14 أبريل 2024؛ نُشر في 6 يونيو 2024
الملخص
أظهرت الملاحظات باستخدام تلسكوب جيمس ويب الفضائي (JWST) العديد من النوى المجرية النشطة الخافتة (AGN) في وما بعدها. هذه الأجسام هي مفتاح لفهمنا لتكوين الثقوب السوداء الهائلة (SMBHs)، وتطورها المشترك مع المجرات المضيفة، بالإضافة إلى دور AGN في إعادة تأين الكون. باستخدام ألوان فوتومترية وقياسات الحجم، نقوم بإجراء بحث عن الأجسام الحمراء المدمجة في مجموعة من حقول JWST/NIRCam العميقة الفارغة التي تبلغ مجموعها اختيارنا الدقيق ينتج 260 مرشحًا من AGN المتوهجة فيتسيطر عليها مكون مركزي يشبه المصدر النقطي ) وعرض ثنائية في ألوان إطار الراحة الخاصة بهم (منحدرات الأشعة فوق البنفسجية الزرقاء والبصرية الحمراء). يكشف نموذج تناسب الكوازارات أن أجسامنا تعاني من انقراض معتدل بسبب الغبار ( )، والذي ينعكس في لمعانهم الكروي المستنتج من وأحجام الأشعة فوق البنفسجية الأضعفإلى -22. بفضل المساحات الكبيرة المستكشفة، نقوم بتمديد دوال اللمعان للأجسام النشطة ذات الإشعاع الغبارية الحالية إلى كل من اللمعان الأضعف والأقوى، مقدرين كثافاتها العددية لتكونأعلى من تلك الخاصة بالكوازارات المختارة بالأشعة فوق البنفسجية ذات اللمعان المماثل. في الوقت نفسه، تشكل فقط جزءًا صغيرًا من جميع المجرات المختارة بالأشعة فوق البنفسجية عند انزياحات حمراء مماثلة، ولكن هذه النسبة ترتفع إلىلـفي. أخيرًا، بافتراض حالة محافظة من التراكم بمعدل إيدينغتون، نضع حدًا أدنى لدالة كتلة الثقب الأسود الهائل عند، ووجد أنه يتماشى مع كل من النظرية والملاحظات السابقة لتلسكوب جيمس ويب.
مفاهيم معجم الفلك الموحد: المجرات (573)؛ المجرات ذات الانزياح الأحمر العالي (734)؛ المجرات النشطة (17)؛ النوى المجرية النشطة (16)
1. المقدمة
الحساسية الملحوظة والدقة الزاوية لتلسكوب جيمس ويب الفضائي (JWST) في الأطوال الموجية تحت الحمراء تمكننا من استكشاف الكون البعيد كما لم يحدث من قبل. وهذا يسمح بإجراء فحص مفصل بشكل استثنائي لخصائص المصادر المعروفة ذات الزاوية العالية (مثل، بانكر وآخرون 2023؛ مايولينو وآخرون 2023) وفي الوقت نفسه يكشف عن وجود المزيد من المجرات البعيدة (مثل، نايدو وآخرون 2022؛ آدامز وآخرون 2023؛ أتيك وآخرون 2023؛ أوستن وآخرون 2023؛ برادلي وآخرون 2023؛ فينكلشتاين وآخرون 2023؛ روبرتسون وآخرون 2023؛ كيسي وآخرون 2024)، بعض منها تم تأكيده طيفياً. (كورتيس-ليك وآخرون 2023؛ وانغ وآخرون 2023).
ما يختبر حقًا نماذجنا ورؤيتنا المسبقة لتطور المجرات ليس مدى سرعة رؤيتنا لهذه الأجسام، بل الأسئلة التي تثيرها بشأن التوازن بين كتلتها، وإشعاعها فوق البنفسجي، وعمرها. الفائض من الكتلة العالية-المجرات في الطرف الساطع ) من دالة اللمعان فوق البنفسجي (UVLF) في تناقض مع الأطر النظرية الحالية (Behroozi & Silk 2015؛ Dayal et al. 2017؛ Behroozi et al. 2019، 2020؛ Davé et al. 2019؛ Yung et al. 2019، 2020؛ Wilkins et al. 2022؛ Kannan et al. 2023؛ Mason et al. 2023؛ Mauerhofer & Dayal 2023)، مما يشير إلى وجود دوال كتلة أولية غريبة، أو انخفاض طفيف إلى عدم وجود تشتت للغبار، أو كثافة أعلى من المتوقع للمجرات التي تمر بظواهر نوى مجرية نشطة (AGN) (على سبيل المثال، Finkelstein & Bagley 2022؛ Pacucci et al. 2022؛
على الرغم من وجود تلميحات مبكرة أيضًا في الأعمال السابقة (Morishita et al. 2020; Fujimoto et al. 2022; Endsley et al. 2023)، فإن واحدة من أكثر الاكتشافات إثارة للاهتمام من تصوير JWST المبكر هي تلك المصادر الحمراء المدمجة مع -شكل” توزيع الطاقة الطيفية (SED) – وهو عبارة عن استمرارية زرقاء في الأشعة فوق البنفسجية ومنحدر أحمر حاد في الإطار الزمني البصري (Furtak et al. 2023a; Labbé et al. 2023a, 2023b). بينما كانت الاختيارات الفوتومترية الأولى لهذه الأجسام تشمل أهدافًا مفصولة مكانيًا يمكن أن تكون مجرات مضغوطة ضخمة مبكرة (Barro et al. 2024)، كشفت الطيفيات عن دليل واضح على وجود و/أوانبعاث يدل على الثقوب السوداء الهائلة التي تتراكم بنشاط (SMBHs؛ فوجيموتو وآخرون 2023ج؛ كيلي وآخرون 2023؛ كوتسيفسكي وآخرون 2023؛ كوكوريف وآخرون 2023أ؛ أوبلر وآخرون 2023؛ فورتاك وآخرون 2024؛ غرين وآخرون 2024؛ ماثي وآخرون 2024).
المعروفة باسم “النقاط الحمراء الصغيرة” (LRDs)، تتميز هذه المصادر بوجود SEDs فريدة من نوعها “شكل” مستمر مع مورفولوجيا مصدر النقطة الخاصة بها (Furtak et al. 2023a; Labbé et al. 2023a, 2023b). ومع ذلك، ما يجعل LRDs تبرز حقًا هو كثافتها العددية العالية. يبدو أن LRDs قد تمثل بضع في المئة من سكان المجرات فيوهي أكثر عددًا بكثير من أقل الكوازارات المعروفة من حيث اللمعان التي تم اختيارها بالأشعة فوق البنفسجية. وبالمثل، يبدو أنها تمثلمن AGN المختارة من نوع الخط العريض (BL) في (هاريكان وآخرون 2023؛ لابي وآخرون 2023أ؛ غرين وآخرون 2024؛ مايونينو وآخرون 2024)، وهو أعلى من نسبة الكوازارات الحمراء المغبرة في (بانيرجي وآخرون 2015؛ غليكمان وآخرون 2015). تُلاحظ هذه النقاط الحمراء عمومًا في (Labbé وآخرون 2023a)، ولكن يمكن أن تكون
الجدول 1 خصائص الحقول المرصودة مع ملاحظات JWST/NIRCam
حقل
R.A. (درجة)
إعلان (درجة)
منطقة العلوم )
أعماق NIRCam (مغ)
CEERS
٢١٤.٩٢٠
52.870
97.0
٢٨.٨/٢٨.٥/٢٨.٧/٢٨.٩/٢٩.٠/٢٨.٤
برايمر-كوزموس
150.119
2.325
197.2
٢٧.٩/٢٨.١/٢٨.٣/٢٨.٧/٢٨.٦/٢٨.٢
برايمر-يو دي إس
٣٤.٣٧٢
-5.210
٢٧٤.٦
٢٧.٦/٢٧.٨/٢٨.٠/٢٨.٣/٢٨.٤/٢٨.٠
البضائع-S
٥٣.١٤٢
-27.798
69.7
٢٩.٦/٢٩.٦/٢٩.٥/٢٩.٨/٢٩.٦/٢٩.٣
ملاحظة. أعماق NIRCam: معبر عنها كـداخل 0 !” 36 الفتحات المستخدمة للاستخراج الفوتومتري في المنطقة المغطاة بـF356W/F444W. وجد حتى في (Leung وآخرون 2023). ومع ذلك، تم إجراء هذه الدراسات الأولية عن LRD مع عينات طيفية محدودة و/أو مناطق صغيرة من السماء، تغطي فقط دقيقة قوسيةيمكن أن تتأثر أعداد الأجسام الحمراء المدمجة بالتالي بالتباين الكوني، مما يجعل من الصعب تقييم أهميتها وتنوعها الحقيقي.
لذا سيكون من الضروري توسيع اختيار هذه المجموعة الحمراء المدمجة من مرشحي BL AGN منخفضي اللمعان إلى مناطق أكبر لدراسة ديموغرافياتهم الكاملة، مما يحد من تأثيرات التباين الكوني. بالإضافة إلى ذلك، سيوفر لنا ذلك مستوى كافٍ من التفاصيل نحو فهم أفضل لكثافات الأعداد الإجمالية لـ AGN المحجوبة عند مستويات عالية.بالإضافة إلى الدور المحتمل الذي تلعبه هذه المصادر في إعادة تأين الكون (على سبيل المثال، انظر غرازين وآخرون 2018؛ ميترا وآخرون 2018؛ دايال وآخرون 2020، 2024؛ تريبيتش وآخرون 2023).
في هذا العمل، نقدم عينة مختارة بعناية من 260 مرشحًا من AGN المتأثرة بالاحمرار فيمنطقة تغطي بعض أعمق حقول JWST الفارغة خارج المجرة. سيساهم فحص هذه المنطقة الكبيرة في تقليل تأثيرات التباين الكوني إلى الحد الأدنى، بينما يقلل تركيزنا على الحقول الفارغة من التحيزات في الاختيار ويتجنب عدم اليقين في الحجم الناجم عن تكبير العدسات.
طوال هذا العمل، نفترض وجود مستوىعلم الكونيات CDM (على سبيل المثال، تعاون بلانك وآخرون 2020)، مع، ، و ، ودالة الكتلة الأولية (IMF) لشابريه (2003) بين 0.1 و. جميع المقادير معبر عنها في نظام AB (أوك 1974).
2. الملاحظات والبيانات
في هذا العمل، نستخدم بيانات JWST من البرامج/المجالات التالية – CEERS (# 1345؛ PI: S. Finkelstein؛ Bagley et al. 2023) في شريط غروث الممتد (EGS)، PRIMER (# 1837؛ PI: J. Dunlop) في COSMOS وUDS، وGOODS-S. بالنسبة لـ GOODS-S، نقوم بدمج البيانات المتاحة من برامج متعددة ذات نطاقات واسعة ومتوسطة – FRESCO (# 1895؛ PI: P. Oesch؛ Oesch et al. 2023)، JADES (# 1180، 1210، 1286، و1287؛ PIs: D. Eisenstein وN. Luetzgendorf؛ Eisenstein et al. 2023a، 2023b)، وJEMS (# 1963؛ PI: C. Williams؛ Williams et al. 2023b). نقدم نظرة عامة عامة عن هذه المجالات الأربعة في الجدول 1. يمكن العثور على معلومات أكثر تفصيلاً – بما في ذلك الفلاتر المحددة، والأعماق، وتصاميم المسح – في الأوراق العامة لكل إصدار بيانات.
2.1. تقليل بيانات التصوير لجهاز JWST
قمنا بمعالجة جميع صور JWST المتاحة للجمهور التي تم الحصول عليها باستخدام NIRCam وMIRI في مجموعة متنوعة من حقول JWST العامة، كما هو موضح في الجدول 1. تم تقليل الصور جميعها باستخدام خط أنابيب GRIZLI (بريمر 2023)، باستخدام jwst_1084.pmap، ونتبع نفس منهجية الدراسات السابقة (مثل، جين وآخرون 2023؛ كوكوريف وآخرون 2023ب؛ فالنتينو وآخرون 2023). بالمقارنة مع خط الأنابيب القياسي، نقوم بإدخال تصحيحات إضافية لأخذ الأشعة الكونية والضوء المتناثر في الاعتبار (انظر، على سبيل المثال، برادلي وآخرون 2023)،الضوضاء، والعيوب على مستوى الكاشف (“خيوط” و”كرات ثلجية”)، والتحيز في التعرضات الفردية (انظر، على سبيل المثال، ريغبي وآخرون 2023). بالنسبة لبيانات PRIMER، نقدم إجراءً إضافيًا يخفف من الآثار الضارة للتخططات القطرية التي تظهر في بعض التعرضات، كما تم القيام به في فالنتينو وآخرون (2023). أخيرًا، تشمل الموزاييك الخاصة بنا الفلات المحدثة لجميع فلاتر NIRCam. هذه التخفيضات متاحة للجمهور كجزء من أرشيف DAWN JWST.
تُكمل هذه المجموعات البيانية من خلال تضمين جميع البيانات البصرية وبيانات الأشعة تحت الحمراء القريبة (NIR) المتاحة من الأرشيف الكامل لتلسكوب هابل لتطور المجرات (Kokorev et al. 2022). تم محاذاة التعرضات الفردية لتلسكوب جيمس ويب (JWST) وتلسكوب هابل الفضائي (HST) إلى نفس إطار المرجع الفلكي باستخدام بيانات غايا DR3 (Gaia Collaboration et al. 2021)، ثم تم دمجها ورشها (Fruchter & Hook 2002) إلىمقياس البكسل لجميع فلاتر تلسكوب جيمس ويب وتلسكوب هابل.
بعض المجالات التي نفحصها في هذا العمل تم رصدها أيضًا باستخدام MIRI، في فلتر واحد أو أكثر، عينة في الغالب من نطاق الأشعة تحت الحمراء القريبة في إطار الزمان.ومع ذلك، فإن هذه البيانات ليست موحدة في تغطية الطول الموجي، والعمق، والمساحة. في الواقع، فقط حوالي ثلث الأجسام في المناطق التي نفحصها تحتوي على بيانات MIRI العامة، وحتى أقل من ذلك يتم اكتشافها فعليًا. بينما يمكن أن تساعد إضافة قياسات MIRI في تحديد وجود (أو غياب) مكونات AGN الغبارية الشبيهة بالقوة في المجرات (على سبيل المثال، انظر ويليامز وآخرون 2023a؛ يانغ وآخرون 2023)، فإن القيام بذلك بشكل مناسب ضمن سياق دراسة سكانية يتطلب درجة من التوحيد التي تفتقر إليها بيانات MIRI الحالية. لذلك، قررنا استبعاد قياسات MIRI من تحليلنا الحالي للحفاظ على التناسق عبر مجالات مختلفة.
2.2. استخراج المصدر
تم إنشاء الكتالوج الأولي لجهاز JWST من خلال استخدام صورة الكشف المجمعة من جميع مرشحات NIRCam طويلة الموجة “العريضة” (W) المتاحة، والتي تشمل F277W وF356W وF444W. تم استخدام طريقة الكشف المماثلة بنجاح في عدة أعمال سابقة (انظر، على سبيل المثال، Jin et al. 2023؛ Kokorev et al. 2023b؛ Valentino et al. 2023؛ Weaver et al. 2024). لاستخراج المصادر وإنتاج خريطة تقسيم، استخدمنا SEP (Barbary 2016)، وهو إصدار PYTHON من SEXTRACTOR (Bertin & Arnouts 1996). تم استخراج الفوتومترية في فتحات دائرية ذات أحجام متزايدة.
تم إجراء التصحيح من الفتحة إلى القيم “الإجمالية” باستخدام عمود flux_auto الناتج من SEP، والذي يعادل MAG_AUTO من SEXTRACTOR، مما يضمن أنه يتم أخذ الفلوس الذي ينتمي إلى كل مصدر فقط في الاعتبار. لقد أظهرت هذه الطريقة أنها تنطبق على كل من الأجسام النقطية والممتدة (Weaver et al. 2022, 2023)، لذا نعتقد أنها مناسبة لمصادرنا.
بالإضافة إلى ذلك، نقدم تصحيحًا لحساب الفيض المفقود خارج فتحة كرون (كرون 1980)، من خلال استخدام طريقة مشابهة لتلك المستخدمة في ويتاكر وآخرون (2011) وويفر وآخرون (2024). باختصار، تتضمن هذه العملية حساب نسبة الضوء المفقود خارج نصف القطر الدائري لكرون من خلال تحليل منحنيات النمو لوظائف انتشار النقاط (PSFs)، التي تم الحصول عليها تجريبيًا، عن طريق تجميع النجوم في هذه المجالات المختلفة. ثم يتم تطبيق هذا التصحيح على قيم الفيض التلقائي لكل مصدر. ومع ذلك، نظرًا لأن عملنا يركز على مرشحي AGN المدمجين (بحجم أقل من PSF NIRCam)، فإن هذا التصحيح الإضافي لا يؤثر بشكل كبير على كثافات الفيض المستخلصة. لنفس السبب، نستخدم الفيض الكلي، المحسوب من36 فتحة، ما لم يُذكر خلاف ذلك.
3. تحديد الأجسام الحمراء المدمجة
البيانات من CEERS وPRIMER وبرامج مختلفة تغطي GOODS-S مناسبة تمامًا للبحث الفوتومتري عن مرشحين من AGN المدمجة المخفية. تغطي الفوتومترية المتاحة من HST وJWST نطاقًا كاملاً من الأطوال الموجية من 0.4 إلى، في سبع نطاقات عريضة ومتوسطة على الأقل، تصل إلى وسطيعمق 28.3 AB mag في فلتر F 444 W (الجدول 1). في بحثنا، نستكشف حقولًا فارغة تغطي مساحة كبيرة منوالتي هي أيضًا مستقلة تمامًا. في المقابل، سيؤدي ذلك إلى تقليل تأثير التباين الكوني بشكل كبير وتمكيننا من تجنب التعامل مع عدم اليقين في الحجم الكوني الذي تسببه تكبير العدسات.
3.1. اختيار اللون والشكل
مؤخراً، نشر لابي وآخرون (2023a) عينة كبيرة من المصادر الحمراء المدمجة المحددة فوتومترياً من برنامج JWST UNCOVER للدورة 1 (المحققون الرئيسيون: I. لابي و R. بيزانسون؛ بيزانسون وآخرون 2022). وقد أسفر المتابعة اللاحقة لـ 17 من هذه الأجسام باستخدام NIRSPec/Micro-Shutter Assembly (MSA) PRISM عن معدل نجاح ملحوظ من، مع تأكيد 14 من أصل 17 هدفًا مختارًا فوتومتريًا كـ BL AGN في (غرين وآخرون 2024) و 3 من 17 كأقزام بنية (بورغاسر وآخرون 2024). باختصار، تم تصميم قصات اللون المقدمة في لابي وآخرون (2023أ) لالتقاط الفجوة بين ميل الاستمرارية الحمراء في الإطار الزمني البصري والانبعاث الأزرق في الأشعة فوق البنفسجية في حالة السكون (). يتطلب اختيار هذا اللون أن يكون ميل الاستمرارية الحمراء في ارتفاع في أكثر من زوجين متجاورين من الفلاتر، لتجنب اختيار المجرات ذات خطوط الانبعاث القوية. في الواقع، تعرض الأطياف المتاحة حاليًا لـ LRDs (على سبيل المثال، فوجيموتو وآخرون 2023c؛ كوتسيفسكي وآخرون 2023؛ كوكوريف وآخرون 2023a؛ فورتاك وآخرون 2024؛ غرين وآخرون 2024؛ ماثي وآخرون 2024) ثنائية ملحوظة في أشكال الأطياف المرصودة. على وجه الخصوص، تكون SEDs عند (1000-2000 الراحة) زرقاء ( ) وحمراء ( ) عند (3100-5200 الراحة). وبالتالي، نحتفظ بمعايير اللون لـ لابيه وآخرون (2023a) دون تغيير كبير، مع إدخال بعض التعديلات الإضافية بناءً على أطياف UNCOVER لـ LRDs، وهي تحديد تلوث عينة لدينا من الأقزام البنية، كما تم اقتراحه في غرين وآخرون (2024).
الألوان وحدها ستنتهي باختيار كل من LRDs والمجرات الحمراء الممتدة (انظر، على سبيل المثال، لابيه وآخرون 2023a؛ ويليامز وآخرون 2023a، 2023b)، لذا نقدم قطع “الكثافة” الإضافية لاختيار المصادر ذات التركيز العالي للفلكس المركزي. للقيام بذلك، نستخدم النسبة بين الفلكس الكلي في F444W بين و الفتحات. نظرًا لأن حوالي من مرشحي LRD الذين تم متابعتهم باستخدام NIRSpec تبين أنهم أقزام بنية (بورغاسر وآخرون 2024)، نود أيضًا تقليل حدوث هذه الأجسام في عينة لدينا. للقيام بذلك، نعتمد معيار إزالة الأقزام البنية من غرين وآخرون (2024)، بناءً على أطياف LRD من NIRSpec/ MSA. أخيرًا، نطلب أيضًا أن تكون مصادرنا مكتشفة بشكل كبير ( ) في F 444 W وأن تكون أكثر سطوعًا من 27.7 AB ماغ، لتكون متوافقة مع اختيار UNCOVER. يتم فرض قطع الألوان بعد ذلك:
أو
التي تختار فعليًا عيناتنا ذات الانزياح الأحمر المنخفض ( ) والعاليعلى التوالي. يتم إعطاء الكثافة بواسطة
للتقليل من عدد الأقزام البنية في العينة، نعتمد أيضًا
يصبح الاختيار النهائي بعد ذلك (الأحمر الأحمر 2 ) & كثيف & إزالة bd. يعني تطبيق معايير اللون أيضًا أن كل جسم يجب أن يتم اكتشافه ( ) في الأقل في نطاق واحد لكل لون لجعل الاختيار ذا معنى. في حالة عدم الاكتشاف، نستخدم الحدود العليا، ولكن فقط إذا تم اكتشاف النطاق “الأكثر سطوعًا” في اللون. من الأجسام التي تغطي الحقول الأربعة ذات الاهتمام، ننتهي باختيار 334. والأهم من ذلك، نلاحظ أنه لم يتم استخدام أي معلومات حول الانزياحات الضوئية الأساسية و SEDs المجرات/AGN في هذه المرحلة، لتجنب التحيز من النماذج. نناقش تقديرنا للانزياح الضوئي واتفاقه مع spec-z لعينات فرعية في القسم الفرعي التالي.
3.2. قياسات الحجم
بينما ينجح قطع الكثافة وحده بالفعل في اختيار مصادر النقاط التي تهيمن عليها PSF، نود أن نقدم مزيدًا من الضبط الدقيق لتوفير تقييم كمي بالكامل بدلاً من نوعي. للقيام بذلك، نقوم بتناسب مصادرنا مع PYSERSIC (باشا وميلر 2023) في نطاق F444W. الهدف الأساسي من ذلك هو التأكد من أن المصدر يهيمن عليه مكون PSF في النطاق الأكثر احمرارًا والأقل تلوثًا بالغبار، كما تم القيام به في لابيه وآخرون (2023a). نركز على نطاق F444W لهذا التحليل، حيث لا يمكن استبعاد الأصل المجري للـ rest-UV مع الملاحظات الضوئية الحالية (أو حتى الطيفية). علاوة على ذلك، إذا كان جسم ما يهيمن عليه منطقة واحدة فقط من تكوين النجوم، فقد يبدو مضغوطًا في نطاقات rest-UV، ولكنه لا يزال ممتدًا في
المرشحات الأكثر احمرارًا، مما يجعل نطاق F444W الأكثر تقييدًا من الناحية الفيزيائية لدراستنا.
أخذ PSF في الاعتبار أمر ضروري عند قياس أحجام الأجسام غير المحلولة. نقوم بإنشاء PSFs الخاصة بنا في F444W تجريبيًا لكل حقل من خلال اتباع المنهجية الموصوفة في سكلتون وآخرون (2014)، ويتاكر وآخرون (2019)، وويفر وآخرون (2024). باختصار، نحدد النجوم غير المشبعة في كل حقل من خلال اعتبار الأجسام على المسار النجمي التي تكون أكثر سطوعًا من 24 AB ماغ ونستخرج هؤلاء المرشحين في الطوابع. يتم بعد ذلك توسيط هذه الطوابع وتطبيعها إلى الوحدة. يتم اشتقاق PSFs النهائية من خلال متوسط الطوابع الموزونة، ثم يتم تطبيعها لتتناسب مع الطاقات المحصورة لمستويات المعايرة المتوقعة لـ JWST ضمن فتحات قطرها. لمزيد من التفاصيل، انظر الملحق في ويفر وآخرون (2024).
يتم نمذجة الضوء بملف سيرسيتش (سيرسيتش 1963) واحد، مع المركز، السطوع، نصف القطر الفعال، مؤشر سيرسيتش، ونسبة المحور كمعلمات حرة. الأولوية للمؤشر موحدة بين 0.65 و 6، ونصف القطر الفعال موحد بين 0.25 و 5 بكسل ( ). لكل مصدر، نقوم بإنشاء قطع مربع (75 بكسل في 75 بكسل) ونقوم بتغطية أي مصادر إضافية داخل الطابع. يتم حساب قيم المعلمات وعدم اليقين باستخدام تقريب لابلاس، مع افتراض أن الخلفية Gaussian. نستبعد التناسبات حيث يكون الناتج لكل بكسل أكبر من 2 أو يختلف الفلكس الأفضل من القيمة الفهرسية بأكثر من 2 AB ماغ. يستبعد هذا 15 مصدرًا من عينة لدينا، والتي نجد من خلال الفحص البصري أنها غير موثوقة بسبب التلوث من الأجسام القريبة الساطعة.
يمكن اعتبار المصدر نقطة إذا كان نصف القطر الفعال في نطاق F444W أقل من FWHM PSF التجريبي ( ). يبدو أن معيارنا الكثيف فعال للغاية في تحديد الأجسام الشبيهة بـ PSF، حيث لا يتجاوز أي من 319 من 334 مصدرًا مع تناسب موثوق قطر 0 ” 08، عند اعتبار الحدود العليا للحجم، مما يؤكد فعالية معيار الكثافة الموصوف في القسم 3. بعد النظر بعناية في كل من الألوان والشكل عند اختيار عينة مرشحي AGN لدينا، نحن الآن قادرون على المضي قدمًا مباشرة إلى تناسب SED.
3.3. الانزياحات الضوئية
لحساب الانزياحات الضوئية ( ) لأجسامنا، نستخدم النسخة PYTHON من EAZY (برامر وآخرون 2008). نختار مجموعة نموذج BLUE_SFHZ_13 التي تحتوي على تاريخ تكوين النجوم (SFHs) وقيم تلاشي الغبار المعتمدة على الانزياح. بشكل أكثر تحديدًا، لا يُسمح لمجموعات الخطوط اللوجستية المدمجة في مجموعة القالب بتجاوز الانزياحات التي تبدأ في وقت سابق من عمر الكون (لمزيد من التفاصيل، انظر بلانتون ورويس 2007). يتم تكملة هذه النماذج بمزيد من قالب مجرة زرقاء، مستمدة من طيف JWST لمجرة ذات عرض خط مكافئ (EWs؛ ID4590؛ كارنال وآخرون 2023).
بينما قد يبدو من غير البديهي استخدام قوالب المجرات لما نعتقد أنه مرشحي AGN، فإن الجهود المماثلة المقدمة في لابيه وآخرون (2023a) تشير إلى توافق جيد بين اشتقاق باستخدام قوالب نجمية فقط، بدلاً من نماذج نجمية +AGN، مما يجد توافقًا جيدًا جدًا
بين الاثنين. هذا ليس مفاجئًا، حيث عندما يتعلق الأمر بتناسب الانزياح الضوئي، فإن العوامل الحاسمة هي مواقع انكسارات ليمان ( ) وبالمر ( ).
بالنسبة لـ LRDs، فإن الغياب العام لمساهمة نجمية كبيرة في الإطار الزمني الراحة (على سبيل المثال، غرين وآخرون 2024) سيؤدي إلى عدم وجود انكسار بالمر ملحوظ، على الرغم من أن القاع في ” الشكل” في SEDs الإطار الزمني الراصد لـ LRDs يقع أيضًا عند حوالي (على سبيل المثال، كوكوريف وآخرون 2023a؛ فورتاك وآخرون 2024). في الواقع، أدت وجود مثل هذه الميزة في LRDs إلى تصنيفها بشكل خاطئ كمجرات غبار نجمية، مما أدى إلى تقديرات الكتلة النجمية التي تتعارض مع ، إذا تم نسب كل الضوء إلى تكوين النجوم فقط (على سبيل المثال، انظر المناقشات في بويلان-كولتشين 2023؛ كوتسيفسكي وآخرون 2023؛ لابيه وآخرون 2023b؛ ستاينهاردت وآخرون 2023).
أظهر المتابعة الطيفية للأجسام الحمراء المدمجة التي تستضيف انبعاث AGN BL في الواقع توافقًا ملحوظًا بين المستمدة باستخدام EAZY (أو روتينات مماثلة) و. على سبيل المثال، في GOODS-S، أبلغ ماثي وآخرون (2024) عن متوسط ، وقد أظهرت LRDs المقدمة في UNCOVER في غرين وآخرون (2024) . تم العثور أيضًا على توافق مماثل بين اختيار المصدر الضوئي الأولي والطيف النهائي في حقول JADES و CEERS (كوتسيفسكي وآخرون 2023؛ أنديك وآخرون 2024؛ مايلينو وآخرون 2024). وبالتالي، نعتبر أن استخدام EAZY لاشتقاق الانزياحات مناسب لعينة لدينا.
نقوم بتناسب جميع البيانات الضوئية المتاحة والحدود العليا من HST/F435W ( ) إلى JWST/F444W ( ) الفلاتر لعينة 319 LRDs، محددة شبكة الانزياح الأحمر بين من أفضل ملاءمات EAZY SEDs، نستخرج فقط الانزياحات الحمراء الفوتومترية، موكلين تقدير المعلمات الفيزيائية إلى مجموعة قوالب مختلفة سيتم مناقشتها في القسم التالي. يتم حساب عدم اليقين في الانزياح الأحمر الفوتومتري من النسب المئوية 16 و84 لتوزيعات احتمالات الانزياح الأحمر – p(z). تتيح لنا توفر فوتومترية HST تحديد وجود كسر ليمان بشكل موثوق، إما من خلال انخفاض التدفق، حيث يتداخل فلتر معين مع الكسر، أو من خلال الحدود العليا، لـمن المصادر في عيّنتنا. ومع ذلك، فإن وجود انكسار ليمان ليس مطلوبًا لتقييد الانزياح الأحمر بشكل موثوق للأجسام ذات الانزياح الأحمر العالي، حيث إن الانكسار في الجزء البصري من SED يضع هذه الأجسام بالفعل في مساحة لون-لون فريدة، كما تم إظهاره في البداية في لابي وآخرون (2023a) ثم تم تأكيده لاحقًا في غرين وآخرون (2024). بالإضافة إلى ذلك، فإن الوصول إلى نطاق متوسط واحد على الأقل من NIRCam يعزز جودة الانزياح الأحمر من خلال السماح لنا بتحديد خطوط الانبعاث في الفوتومترية العريضة. ونتيجة لذلك، لا تحتوي أي من أجسامنا على حلول انزياح أحمر مزدوجة القمة. على الرغم من ذلك، نظرًا لأن عيّنتنا لا تزال محددة فقط فوتوغرافيًا، فإن أخذ ذلك في الاعتبار بشكل مناسبتعتبر الشكوك أمرًا حاسمًا عند اشتقاق المعلمات الفيزيائية ودوال اللمعان في الأقسام القادمة.
3.4. تركيب نموذج الكوازار
بينما لا يزال أصل ضوء الأشعة فوق البنفسجية في إطار الراحة في LRDs غامضًا، تظهر عينات متزايدة من طيف JWST باستمرار إما غيابًا تامًا أو نقصًا في المساهمة الكبيرة من المجرة المضيفة في التدفق الكلي في الإطار البصري.; كوكوريف وآخرون 2023أ؛ فورتاك وآخرون 2024؛ غرين وآخرون 2024). يتم إثبات ذلك عمومًا من خلال مقارنة المتوقع من خطوط سلسلة بالمر الواسعة بشكل عامو/أو ) للقيم الملاحظة. على سبيل المثال، وجد غرين وآخرون (2024) أن -مشتق وملاحظتتفق ضمن عامل 2 للأشياء التي لديهاتغطية PRISM. دعمًا لذلك، وجد فورتاك وآخرون (2024) وكوكوريف وآخرون (2023أ) أيضًا أن كتل الثقوب السوداءمشتق عبر نطاق واسعتتطابق سطوع الخطوط والاستمراريات، بالنظر إلى تشتت العلاقات المستمدة من رسم تذبذب AGN (انظر، على سبيل المثال، كاسبي وآخرون 2000؛ غرين وهو 2005)، مما يشير إلى مكونات نجمية ضئيلة. علاوة على ذلك، لم يتم الكشف عن أي من LRDs المؤكدة طيفياً والمعروفة حالياً في A2744 بواسطة مصفوفة أتاكاما الكبيرة للمليمتر/ دون المليمتر (ALMA) عند 1.2 مم حتى، مما يحد بشدة من مساهمة تشكيل النجوم المحجوبة (انظر، على سبيل المثال، لابي وآخرون 2013، 2023أ)، ما لم يكن الغبار إما بارداً جداً، أو ساخناً جداً، أو منتشراً. في الواقع، عندما يتم أخذ بيانات JWST وحدود ALMA العليا (فوجيموتو وآخرون 2023أ، 2023ب) في الاعتبار بشكل مشترك توافق نموذج المجرة للأجسام الموصوفة في كوكوريف وآخرون (2023a) وفورتاك وآخرون (2024)، فإن مساهمة نموذج المجرة في إجمالي الضوء البصري في إطار الراحة تكون ضئيلة. أخيرًا، فإن القياسات الدقيقة لنصف القطر الفعال لجميع LRDs في UNCOVER، مع الأخذ في الاعتبار أيضًا PSFs المستمدة تجريبيًا (انظر ويفر وآخرون 2024)، لا تجد دليلًا قويًا على وجود انبعاث ممتد مرتبط بالمجرة المضيفة في نطاق F444W.
لسوء الحظ، فإن نقص التغطية العميقة والموحدة من ALMA لأجسامنا يمنعنا من إجراء ملاءمة مشتركة لنماذج AGN + المجرة لتحديد مقدار مساهمة AGN في SED البصري. بينما من الممكن القيام بذلك باستخدام فوتومترية JWST فقط، فإن مثل هذه الملاءمة ستكون متدهورة للغاية، نظرًا لعدد النطاقات المتاحة وعدد النماذج المطلوبة. ومع ذلك، تم اختيار الأجسام في عملنا بشكل خاص وفقًا لمعايير اللون والضغط التي تعكس إلى حد كبير تلك المستخدمة لتحديد AGN BL في UNCOVER. لذلك، من المعقول أن نفترض أنه بالنظر إلى الألوان الحمراء المماثلة (فيالمنحدرات المتبقية، يستمر الطيف الضوئي المتبقي في مصادرنا أيضًا في الهيمنة بواسطة ضوء AGN.
من حيث السطوع، فإن المكون المحجوب بالغبار يهيمن على الضوء من LRDs ويجب أن يكون مخففًا بشكل كبير. ) من أجل ملاءمة الميل الأحمر الملحوظ. وبناءً على ذلك، يجب ألا يكون ضوء الأشعة فوق البنفسجية المتبقية مرئيًا على الإطلاق ( ). من قياساتنا الفوتومترية، نرى أنه بينما يكون المكون الأزرق ضعيفًا (فقط بضع في المئة من المكون الأحمر)، إلا أنه غير متأثر بالاحمرار. يمكن تفسير هذا الانبعاث إما على أنه ضوء متشتت من AGN نفسه أو من المجرة المضيفة (انظر المناقشات في Labbé et al. 2023a؛ Greene et al. 2024). ومع ذلك، حتى عندما تكون الأطياف متاحة (Greene et al. 2024)، نظرًا للتشابهات بين انحدارات الأشعة فوق البنفسجية في الكوازارات والمجرات الشابة التي تشكل النجوم، فإن هذين النموذجين يمثلان تمثيلات جيدة على حد سواء للضوء المرصود. كما أن بياناتنا المتاحة لا تسمح لنا بتمييز واضح بين هذين الاحتمالين، لذلك، لتجنب تفسير أصول انبعاث الأشعة فوق البنفسجية المتبقية بشكل مفرط، سنفترض نموذج الضوء المتشتت فقط (غير المتأثر بالاحمرار) في نمذجة لدينا. نحذر القارئ من أنه نتيجة لعدم معرفة أصل الضوء الأزرق، فإن خصائص الأشعة فوق البنفسجية المتبقية المستمدة في هذه الورقة لا تمثل بالضرورة الظروف الفيزيائية لـ AGN المحتمل الذي قد تستضيفه LRDs لدينا. نظرًا للتشابه المذكور بين انحدارات الأشعة فوق البنفسجية في الكوازارات وSFGs، فإن القيم المستمدة من كل من ملاءمات المجرة والكوازار متطابقة تقريبًا.
بعد العروض التي تم تقديمها في القسم 3.3 والتي تركزت على المجرات فقط، ومع الأخذ في الاعتبار الاعتبارات المذكورة أعلاه، نود الآن استكشاف سيناريو يركز على AGN فقط، حيث نقوم بنمذجة الضوء المرصود باستخدام نموذج AGN ذو مكونين. الأول هو النموذج التجريبي المستند إلى مجموعة من 2200 طيف كوازار من مسح سلوان الرقمي للسماء (SDSS) (فاندن بيرك وآخرون 2001)، والثاني مستمد من 27 طيف كوازار في الأشعة تحت الحمراء القريبة من غليكمان وآخرون (2006). ثم نقوم بدمج وإعادة تطبيع كلا القالبين، مما يسمح لنا بتغطية النطاق الكامل من الأشعة فوق البنفسجية المستقرة إلى الأشعة تحت الحمراء القريبة.
تم استخدام نفس النهج بنجاح بالفعل في Labbé et al. (2023a) لعينة مختارة فوتومترياً من النقاط الحمراء، ثم لاحقاً لطي spectra PRISM لـ 14 من هذه الكائنات في Greene et al. (2024) و Kokorev et al. (2023a). نحن نقوم بتناسب مكون AGN غير المتأثر بالاحمرار مع قانون السحابة الصغيرة ماجلان (Gordon et al. 2003) المخفف (نسخة من نفس القالب المركب. مع تثبيت الانزياح الضوئي الأحمر، نحن نقوم بتناسب ثلاثة معلمات حرة.
نجد أن التوافقات الخاصة بـ AGN فقط تمثل بشكل هامشي أفضل البيانات الفوتومترية الملاحظة، عند مقارنتها بتوافقات EAZY الخاصة بالنجوم فقط، معللسابق وللأخير، مع فرق يقارب. تم تقديم نتائج مماثلة أيضًا في لابيه وآخرون (2023a)، حتى بدون قياسات ALMA الضوئية، وبارو وآخرون (2024)، حيث لم يكن هناك أي شيء ملحوظيوجد فرق بين نماذج تكوين النجوم المغبرة ونماذج AGN المتغيرة اللون.
3.5. النطاق المتطرف لخطوط الانبعاث
قبل التركيز على العينة النهائية من مرشحي AGN المتوهجين، نود إجراء اختبار أخير يتعلق بالاحتمال وجود خطوط انبعاث قوية، لا سيمافي طيف LRDs. تحتوي قوالب الكوازارات التجريبية المقدمة في Vanden Berk et al. (2001)، التي استخدمناها لتناسب أجسامنا، عمومًا على AGN ساطعة مع إطار زمني ثابت. على العكس من ذلك، فإن النتائج الأدبية الحديثة التي تحلل طيف LRD (Killi et al. 2023؛ Matthee et al. 2024) قد وجدت أن EW لـيمكن أن تصل وحتى تتجاوز. يمكن أن تساهم مثل هذه الخطوط الانبعاثية القوية في التدفق المرصود في فلاتر JWST المتوسطة والعريضة النطاق بطريقة لا يمكن تجاهلها، مما يجعل الألوان المرصودة أكثر احمرارًا. بالمقابل، إذا لم تكن مثل هذه الخطوط الانبعاثية القوية موجودة في النماذج، فإن قيمة ، ومن ثم الخصائص الفيزيائية الأخرى المعتمدة عليها (على سبيل المثال، يمكن أن يتم المبالغة في تقديره.
لاختبار دلالة هذا التأثير، نقوم بما يلي. بدءًا من مجموعات القوالب المدمجة الأصلية لفاندن بيرك وآخرون (2001) وجليكمان وآخرون (2006)، نقوم بعزل المناطق التي تغطي الـ III و الخطوط واستخدام دالة السبلين لتناسب الاستمرارية، مع إخفاء المناطق التي تحتوي على مجمعات الخطوط. أثناء القيام بذلك، نتحقق بنجاح من أن قياس EW في إطار الراحة لهذه الخطوط هو بالضبط كما هو مذكور في Vanden Berk et al. (2001). أخيرًا، نقوم بزيادة الطيف المخصوم من الاستمرارية بشكل موحد إلى نقطة حيث يكون EW لـخط يقيس عندثم نعيد إضافة الاستمرارية. بعد ذلك، نقوم بإعادة ضبط جميع مصادرنا، مع اتباع نفس الاعتبارات كما هو موضح في القسم 3.4.
باستخدام نماذج ذات قوى انبعاث خطية معززة، نجد بالفعل أفضل ملاءمةقيم تكون أقل بشكل منهجي، وإن كان ذلك فقط بـ، في المتوسط، مقارنة بالقوالب الأصلية. هذا الانحراف يقع ضمن عدم اليقين المقتبس لدينا على المن ملاءمة SED. وبالتالي نستنتج أنه حتى لو كانت بعض مرشحات AGN لدينا تحتوي بالفعل على EW مرتفعة جداًيجب أن تظل الخصائص الفيزيائية المستمدة من مجموعة القوالب الأصلية لـ Vanden Berk وآخرون (2001) صحيحة. على الرغم من كون هذا الانحراف صغيرًا، إلا أنه منهجي، لذا فإننا لا نزال ندمجه في عدم اليقين لدينا عند حساب كثافات العدد في الأقسام اللاحقة.
3.6. العينة النهائية من LRDs
بعد اختيار الأجسام الأولية وتناسب SED، نحن الآن في وضع يمكننا من تحديد عينة LRD النهائية لدينا. الهدف الرئيسي من هذا العمل هو استكشاف مرشحات AGN الغبارية المختارة فوتومترياً في الكون عالي الز، ومقارنة هذه النتائج مع عينات موثوقة من AGN BL المحددة طيفياً، وإمكانية توسيع هذه الفحوصات إلى سطوعات UV أضعف و luminosities الكلية. يعتمد التحديد الدقيق لهذه المعلمات على تغطية جيدة للانكسار الطيفي بين المكونات الزرقاء والحمراء عند. من الضروري تأكيد أن الأجسام المختارة تظهر بالفعل الميزات المميزة لـ LRDs. علاوة على ذلك، فإن أخذ عينة شاملة من الأشعة فوق البنفسجية في إطار الزمان حول من الضروري اشتقاق بدقة، و الـ الإطار الزمني الضوئي المستمر ضروري لتحديد اللمعان الكلي.باستثناء CEERS، تستفيد جميع مجالاتنا من تغطية كاملة لمرشحات NIRCam، تمتد من F090W إلى F444W، والتي ستغطي الأشعة فوق البنفسجية في إطار الزمان.. من ناحية أخرى، يتمتع CEERS بعمق شديد (ماج آت ) تغطية HST/الكاميرا المتقدمة للمسح F814W بدلاً من ذلك، مما سيمكننا أيضًا من حساب فيفي نفس نطاق الانزياح الأحمر. وبالتالي، نقوم بتقييد استكشافنا فقط للأجسام التي لديها. للقيام بذلك، نأخذ في الاعتبار وضمان أن النسبة المئوية السادسة عشر، بدلاً من مجرد الوسيط لـتتجاوز هذه النقاط عتبة الانزياح الأحمر لدينا (على سبيل المثال، انظر فالنتينو وآخرون 2023). تترك لنا هذه الاختيارات النهائية إجمالي 260 نقطة حمراء. في الشكل 1 نقدم نظرة عامة على اختيار عيّنتنا بالإضافة إلى أمثلة على ملاءمات SED.
3.7. المعلمات الفيزيائية
الأحجام الفيزيائية للأجسام في عيّنتنا النهائية مضغوطة للغاية، مع نصف قطر فعال وسطي ( الحد الأعلى). هذا أصغر بكثير مقارنةً بالأحجام البصرية النموذجية للمجرات التي تشكل النجوم والتي تم قياسها عند (على سبيل المثال، انظر كارتالتبي وآخرون 2023؛ أورميرود وآخرون 2024)، ولكنها مشابهة للأجسام الحمراء المضغوطة للغاية المقدمة في لابي وآخرون (2023أ، 2023ب) وباغن وآخرون (2023) وLRDs المؤكدة طيفياً كـ BL AGN (كوكوريف وآخرون 2023أ؛ فورتاك وآخرون 2024). من المثير للاهتمام، أن المجرات المغبرة في استكشفت في أكينز وآخرون (2023) أيضًا عدم وجود مكون ساطع ممتد )، مشابهة لـ LRDs. على الرغم من أنها ليست باهتة أو مركزة مركزيًا مثل أجسامنا أو LRDs الأخرى عند هذه الانزياحات الحمراء، قد تشير بعض هذه التشابهات إلى أن هذه الأجسام المغبرة يمكن أن تعمل كمضيفين محتملين لـ AGN.
باستخدام العلاقات القياسية مع التشتت المقدم في غرين وهو (2005)، وأخذًا في الاعتبار أفضل ملاءمة لدينا ( )، نستنتج الـ من استمرارية 5100 أ، مقاسة مباشرة من أفضل ملاءمة لمخططات الطيف الطيفي. على الرغم من أن هذا ليس مثالياً، ويفترض أن الاستمرارية الحمراء تهيمن عليها AGN، فإن القيم المعتمدة على نموذج SED تمثل أفضل تقدير لدينا لسطوع AGN الجوهري. السطوع الكلي المستنتج للأجسام الحمراء المدمجة من تتراوح العينة منإلى. هذه النطاقات أكثر سطوعًا قليلاً من تلك المستمدة في لابي وآخرون (2023a)، حيث أننا لا ندرج أي مجالات موجهة، وبالتالي من المحتمل أن تفشل في اكتشاف LRDs ذات السطوع intrinsically أقل. نحن نعرض التصحيح الخاص بالغبار والملاحظاتالقيم في الشكل 2.
في الشكل 3، نستكشف كيف أن الملاحظاتقيم LRDs لدينا تقارن بالتوقعات المستمدة من اللمعان البولومتري المصحح بالغبار (شين وآخرون 2020). بالنظر إلى الوسيط لدينانتوقع أن يكون انقراض الأشعة فوق البنفسجية كبيرًا، معلكن ما نجده هو (مماثل لـ، على سبيل المثال، غرين وآخرون 2024؛ مايولينو وآخرون 2024؛ ماثي وآخرون 2024)، فرق يزيد عن 6 مقادير. بالإضافة إلى ذلك، شكل طيف الأشعة فوق البنفسجية الباقية، رغم ضعفه، لا يشير إلى أي انطفاء بسبب الغبار. وهذا يشير إلى أن هناك مكونًا ثانيًا، مختلفًا عن طيف AGN المتأثر بالاحمرار، موجود في LRDs، على الرغم من أنه لا يمكن تحديد أصله من خلال بياناتنا الحالية.
الجدول النهائي – الذي يحتوي على قياسات الفوتومترية، والأحجام، والمعلمات الفيزيائية التي نستخرجها لعينة دراستنا – متاح بالكامل على الإنترنت.نقدم مقتطفًا من الجدول الكامل في الملحق.
4. كثافة العدد للمصادر الحمراء المدمجة
4.1. تقدير الأحجام الفعالة
أحد الدوافع الرئيسية لعملنا هو إجراء بحث غير متحيز عن الأجسام ذات اللمعان المنخفض في بعض أعمق الحقول الفارغة التي تم رصدها بواسطة تلسكوب جيمس ويب. هدفنا هو توسيع وظائف اللمعان الحالية التي تم استنتاجها من عينات طيفية إلى عينة أكبر تغطي منطقة أوسع. من خلال تطبيق معايير اللون والحجم التي تم اعتمادها في الدراسات الحديثة للأجسام ذات اللمعان المنخفض، مثل تلك التي تم مناقشتها في Greene et al. (2024) و Labbé et al. (2023a)، نهدف إلى استغلال المساحات الكبيرة في حقولنا الفارغة للحصول على إحصائيات أفضل، لا سيما في الأطراف الساطعة والخافتة. يجب أن يسمح لنا هذا النهج بفحص مدى مساهمة هذه الأجسام في الملاحظات. و كثافات الأعداد. ومع ذلك، حيث أننا نعمل مع عينة مختارة فوتومترياً، ستتركز تحليلاتنا على الخصائص الإجمالية لـ LRDs، بدلاً من الفحوصات التفصيلية للأجسام الفردية.
التركيز فقط على الحقول الفارغة يسمح لنا بتقدير الأحجام الفعالة لأجسامنا بطريقة بسيطة إلى حد ما. من أجل قياس الكثافات العددية الملحوظة لعينة لدينا، نتبع المعيارطريقة (شميت 1968). الـيتميز المقدّر بالبساطة ولا يتطلب افتراضات مسبقة حول الشكل الوظيفي لتوزيع اللمعان، وهو مثالي للـ LRDs، حيث إن توزيعات اللمعان/الكتلة الجوهرية لها غير معروفة. لحساب كثافة العدد لخاصية ما--يمكننا بعد ذلك أن نقول
أين هو عرض الحاوية و هو الحد الأقصى للحجم الذي يمكن من خلاله اكتشاف مصدر. في المقابل، يعتمد على منطقة المسح الفعالة )، حد نطاق الانزياح الأحمر الأدنى ( )، وأقصى انزياح أحمر قابل للرصد ( يتم حساب الأخير تجريبيًا من حدود الكشف في المسح، بناءً على معايير الاختيار، ولا يمكن أن يتجاوز الحد الأقصى للانزياح الأحمر للفئة.
الشكل 1. اختيار وتحليل مرشحي LRD. الأعلى: معايير اختيار العينة. تُظهر الألواح اليسرى والوسطى “الأحمر 1” المعدل. ) و “الأحمر 2” ( قصص اللون-اللون من لابي وآخرون (2023a). تُظهر اللوحة اليمنى قطع الكثافة من عيّنتنا. تم تمييز الأجسام المختارة كدوائر بلون المارون، بينما تُظهر الهيكسين الرمادية الكتالوج الكامل. المصادر الحمراء الكثيفة هي خارجية واضحة في فضاء اللون-اللون-الكثافة. يتم مشاركة شريط الألوان بين جميع الرسوم البيانية. أسفل: مثال على أفضل ملاءمة لنماذج SED للضوء المرئي لمرشحي LRD مع قوالب AGN الخالية من الغبار (باللون الأزرق) والمغبرة (باللون الأحمر) عند انزياحات حمراء تمثيلية من و النموذج المدمج موضح باللون الأسود. الكشفات (تظهر كدوائر حمراء، بينما تظهر الحدود العليا (بشكل أساسي من تلسكوب هابل) كأسهم متجهة للأسفل. على يمين كل SED، نعرضقصاصات ملونة مركبة في الفلاتر القصيرة (F115W/F150W/F200W) والطويلة (F277W/F356W/F444W) لكاميرا NIRCam.
نحصل على إجمالي مناطق المسح من خلال جمع جميع البكسلات غير المmasked في صور الكشف الخاصة بنا، كما هو موضح في الجدول 1. بالنظر إلى مدى سطوع الأجسام التي نحتاجها أن تكون (مجلات في )، قد يبدو أن سيتجاوز دائمًا الانزياح الأحمر الأقصى للصندوق، لكن هذا لا يأخذ في الاعتبار حقيقة أن كائناتنا يجب أن تُكتشف في أربع نطاقات على الأقل (في لجعل اختيار الألوان قويًا. نختار أن نظل محافظين في تصحيحات الحجم لدينا، من خلال طلب اكتشاف فرقة واحدة فقط لكل مجموعة لونية. تُقدَّر القيم لكل كائن من خلال النظر في اختيار الألوان الذي تم توضيحه في القسم 3. ثم يتم اشتقاق عدم اليقين في كثافاتنا العددية بالطريقة التالية. نأخذ في الاعتبار الأخطاء القياسية الناتجة عن إحصائيات بواسون ونحسبها كما هو موصوف في جيهريلز (1986). نظرًا لأننا نعتبر فقط عينة فوتومترية في عملنا، يجب أخذ عدم اليقين في الانزياح الأحمر الفوتومتري بعين الاعتبار بشكل مناسب من أجل اشتقاق أخطاء واقعية على المعلمات الفيزيائية وكثافات الأعداد. للقيام بذلك، نتبع النهج الموصوف في مارشيسيني وآخرون (2009). باختصار، لكل كائن، نستخدم محاكاة مونت كارلو لتحديد ما إذا كانت الكائنات تقع في فئة الانزياح الأحمر من خلال اعتبارها. uncertainties النهائية هي بعد ذلك مجموع مربع من بواسون وأخطاء.
لا يمكن حساب تأثيرات عدم اكتمال المقدار كما يتم عادةً بالنسبة لوظائف سطوع المجرات في حالتنا، حيث يعتمد ذلك على افتراضات تتعلق بتوزيعات المصادر الجوهرية. ومع ذلك، كما أشار لابي وآخرون (2023a)، يجب أن يقلل الشرط الخاص بكون الأجسام ساطعة في نطاق الكشف، ولكن لا يلغي تمامًا، تأثير عدم اكتمال المقدار. نظرًا لأن مصادرنا مدمجة، نتوقع أيضًا أن يتم اكتشاف جميعها فوق حد السطوع، مما يقلل الحاجة إلى اعتبار عدم الاكتمال كدالة لسطوع السطح. على الرغم من وظيفة الاختيار المعقدة، لا يزال من الممكن تحديد حد يتجاوزها يُتوقع أن تصبح الكثافات العددية المستمدة، بالنسبة للكميات المرصودة، غير مكتملة. سنناقش هذا في الأقسام التالية.
الشكل 2. الأعلى: توزيع بافتراض وجود استمرارية بصرية في إطار الراحة تهيمن عليها AGN، مع تطبيق أفضل تصحيح للغبار. تمتد مصادرنا المدمجة عبر نطاق واسع من اللمعان عبر نطاق الانزياح الأحمر المعني. نقارن نتائجنا مع AGN من نوع BL من غرين وآخرون (2024؛ مربعات زرقاء) وماثي وآخرون (2024؛ دوائر برتقالية)، الكوازارات من يانغ وآخرون (2021؛ علامات رمادية)، AGN عالية الز من مايونينو وآخرون (2024؛ دوائر بنفسجية)، وأخيرًا الأجسام التي تستضيف AGN من النوع 2 من شولتز وآخرون (2023؛ دوائر زرقاء فاتحة). بافتراضنحن نظهر ماسوف يتوافق مع (خطوط متقطعة). الأسفل: نفس الشيء كما في السابق، لكننا نعرض توزيع دون تصحيح لأفضل ملاءمة لتقليل الغبار. عينةنا النهائية لديها وسيلة. على جانب كل لوحة، نعرض أيضًا الرسوم البيانية التي تبرز الانزياح الأحمر والتوزيعات.
4.2.
في الشكل 4، نقدم دوال كثافة اللمعان فوق البنفسجي في صندوقين من الانزياح الأحمر، عند و مشتق من سطوع الاستمرارية في إطار الراحةكما هو معتاد بالنسبة للكوازارات الزرقاء. نحن ندرج أعداد العد مع عدم اليقين في الجدول 2. تم اختيار عرض صناديق الانزياح الأحمر لدينا لتتوافق بشكل أفضل مع نتائج الأدبيات الحالية، لتسهيل المقارنة، وكذلك لضمان أن تكون عدم اليقين في الانزياح الضوئي لها تأثير ضئيل على وظائف اللمعان.
فينجد أن كثافات الأعداد لمصادر الإشعاع النشط المختارة باللون الأحمر لدينا هيمؤشر الدقة أعلى مقارنةً بالكويسارات المختارة بالأشعة فوق البنفسجية عند درجات سطوع مماثلة، اعتمادًا على الاستقراء (نييدا وآخرون 2020). كحد أقصى على كثافة عدد الكويسارات عند، نقارن أيضًا النتائج المقدمة في كولكارني وآخرون (2019)، التي تجمع بين الكوازارات الساطعة في الأشعة فوق البنفسجية ( ) وAGN المكتشفة بالأشعة السينية ذات السطوع الضعيف في الأشعة فوق البنفسجية (Giallongo et al. 2019) في قوائمها للأشعة فوق البنفسجية.
قبل المقارنة مع النتائج الرصدية الحالية (Kocevski et al. 2023; Greene et al. 2024; Matthee et al. 2024)، نلاحظ أنه من الصعب تحديد دالة الاختيار بدقة للعينات الملاحظة طيفياً وبالتالي اشتقاق الـتصحيحات. وبالتالي، فإن كثافات الأعداد المحسوبة في
الشكل 3. الملاحظات مقارنة بـ المتوقع من تصحيح الغبارنستنتج المتوقعالقيم من خلال اتباع العلاقة من شين وآخرون (2020). كما نعرض البيانات للنقاط الحمراء من غرين وآخرون (2024؛ المربعات الزرقاء) وماثي وآخرون (2024؛ الدوائر البرتقالية)، بالإضافة إلى BL AGN عندمن مايولينو وآخرون (2024؛ مثلثات رمادية). الخط الرمادي المنقط يظهر العلاقة. تم ملاحظة الذي نستنتجه أضعف من القيمة المتوقعة، معيتراوح بينإلى 4.2. على الرغم من كونه متطرفًا، فإن تقليل الأشعة فوق البنفسجية أقل بأكثر من 5 مرات عند مقارنته بالقيم المتوقعة بناءً على أفضل ملاءمة لدينا..
يجب اعتبار هذه الأعمال كحدود دنيا. في حالتنا، يتم اختيار العينة من خلال الفوتومترية ونستنتج تصحيح يعتمد فقط على معايير الاختيار. يتم ذلك لتجنب تقدير عدد النقاط الحمراء بشكل مبالغ فيه، وبالتالي تشويه الوفرة الحقيقية للنقاط الحمراء. من غير المحتمل أيضًا أن يكون هذا الاختلاف ناتجًا عن تلوث الأقزام البنية لعينة لدينا هنا، حيث نقدم قطع لون إضافي من غرين وآخرون (2024)، استنادًا إلى الأطياف من بورغاسر وآخرون (2024).
مع أخذ الشكوك في الاعتبار، نجد أن أعداد أرقام الأشعة فوق البنفسجية لدينا تتماشى مع عينات AGN الحمراء المختارة بواسطة JWST (Labbé et al. 2023a; Greene et al. 2024; Matthee et al. 2024)، على الأقل فيوأكثر سطوعًا. تأكيدًا للنتائج الأولية للنقاط الحمراء UNCOVER المقدمة في Greene وآخرون (2024) وLabbé وآخرون (2023a)، نجد أيضًا أن عينتنا تمثلمن إجمالي سكان BL AGN في الزوايا العالية (Harikane et al. 2023؛ Maiolino et al. 2024) وهو مشابه إلى حد كبير للكويسارات المختارة بالأشعة السينية من Giallongo et al. (2019)، على الرغم من أنه في حالة الأخيرة نستنتج كثافات عددية أعلى عند درجات سطوع UV أضعف. ومع ذلك، من الجدير بالذكر أن الاختلافات بين دقة بيانات الأشعة السينية من شاندرا والضوء البصري من HST يمكن أن تؤدي إلى عدم اليقين عند ربط انبعاث الأشعة السينية بال galaxies الموجودة في نفس الجزء من السماء. ومن المثير للاهتمام أن الندرة المستعادة للمصادر الحمراء المدمجة مقارنة بال galaxies تتناقض بشكل حاد مع كثافة مضيفي AGN من النوع 2 المستنتجة من طيف JADES الأخير (Scholtz et al. 2023)، الذي يذكر ما يصل إلى المساهمة في دوال سطوع المجرة عند.
عند الانتقال إلى، نتائج UVLF عند كل من اللمعان الساطع والخافت غير حاسمة، بسبب العدد المحدود من الأجسام وعدم اليقين في الانزياحات الضوئية. ومع ذلك، نحن مرة أخرى متوافقون مع كثافات الأعداد لـ UNCOVER BL AGN من غرين وآخرون (2024). بالمقارنة مع دوال اللمعان لـ
الشكل 4. UVLF للـ LRDs في عيّنتنا في (يسار) و (يمين) صناديق (زرقاء)، مستمدة من ضوء الأشعة فوق البنفسجية المتبقية الملاحظة. يتم عرض الحدود العليا بواسطة أسهم تشير لأسفل. الخط الأحمر المتقطع والمنطقة المظللة تت correspond إلى أفضل دالة شكتير تناسب لدينا وفترات الثقة، على التوالي. تبرز الخطوط العمودية المارونيةحد الاكتمال المحسوب من العمق المتوسط لشرائط F814W/F090W. نقارن كثافات الأعداد المستمدة لدينا مع دوال اللمعان لمجرات كسر ليمان من Bouwens et al. (2021؛ الخط الأزرق الصلب)، والعلاقات المستنتجة لدالة اللمعان فوق البنفسجية للكويسارات من Niida et al. (2020) عند، بالإضافة إلى حد أعلى قدمه كولكارني وآخرون (2019؛ الخطوط الخضراء). عندباللون الأخضر، نعرض UVLF المستمد من الكوازارات الساطعة من ماتسوكا وآخرون (2023). نبرز LRDs المحددة طيفياً من غرين وآخرون (2024؛ مربعات زرقاء)، ماثي وآخرون (2024؛ دوائر برتقالية) وكوتسيفسكي وآخرون (2023؛ خماسي أزرق). علاوة على ذلك، نعرض كثافات كوازارات BL AGN من مايونينو وآخرون (2024؛ مثلثات رمادية) وهاريكان وآخرون (2023؛ مربعات مفتوحة). تظهر النجوم الخضراء كثافات الأعداد للأشعة فوق البنفسجية للكوازارات المكتشفة بالأشعة السينية عندمن جيالونغو وآخرون (2019). أخيرًا، تمثل المثمنات الزرقاء الفاتحة الـ UVLFs المستمدة من المجرات التي تستضيف AGN من النوع 2 من شولتز وآخرون (2023). لقد قمنا بتحويل بعض نقاط الأدبيات بواسطةقم بتحويل الدكسيون أفقيًا لأغراض التصوير. لاحظ أن اللمعان فوق البنفسجي الذي قمنا بقياسه لا يفصل بين انبعاثات AGN وضوء المجرة المحتمل.
الكوازارات المختارة بالأشعة فوق البنفسجية من ماتسوكو وآخرون (2023) في، وعند الاستقراء إلى درجات سطوع أضعف، نجد أنإزاحة الدكس بين كثافات الأعداد عند، تقريبًا بعامل 10 أكبر من في حاوية الانزياح الأحمر الأدنى. جنبًا إلى جنب مع UVLF الخاص بنا، نبرز أيضًا الوسيطحدود الاكتمال. يتم اشتقاقها من خلال النظر في أعماق الفلاتر التي تغطي إطار الراحة.عند انزياح أحمر معين، وما إذا كان مصدرًا معينًاسيتم اكتشافه عند نسبة الإشارة إلى الضوضاء. لذلك، يجب أن نكون مكتملين حتى في و في.
استنادًا إلى Bouwens وآخرون (2015)، قمنا بتناسب كثافات الأعداد المرصودة للأشعة فوق البنفسجية لدينا مع دالة شكتير (1976)، مما يسمح لجميع المعلمات بأن تكون حرة. نحن نناسب فقط البيانات الأكثر سطوعًا منفي و في، حيث تشير كثافات أعدادنا إلى أننا من المحتمل أن نصبح غير مكتمل عند مثل هذه اللمعان الخافت. يتم عرض أفضل ملاءمة في الشكل 4 والمعلمات مدرجة في الجدول 3. في كل من صناديق الانزياح الأحمر، نجد أن أجسامنا الحمراء المدمجة تشكل تقريبًامن إجمالي سكان المجرات التي تشكل النجوم (Bouwens et al. 2021)، متسقة مع العينات الطيفية للنقاط الحمراء (Greene et al. 2024). كما نبلغ عن انحدارات أضعف في الطرف الخافت مقارنة بالمجرات التي تشكل النجوم، على الرغم من أنه من المحتمل أن يكون التسطح الملحوظ لـ UVLF لـ LRDs ناتجًا عن عدم اكتمال عينتنا عند درجات اللمعان فوق البنفسجي الأضعف، بدلاً من أي نقص في المصادر الحمراء المدمجة عند درجات اللمعان فوق البنفسجي الأضعف. ستكون هناك حاجة إلى مسوحات أعمق لتقييد انحدار الطرف الخافت لـ LRDs بشكل موثوق. يبدو أن لمعان LRDs يبدأ في أن يصبح مشابهًا أو حتى يتفوق على المجرات عند درجات اللمعان الأكثر سطوعًا ( ) الأحجام، التي تبرز بشكل خاص في صندوق. قد تكون هذه نتيجة متوقعة لتجمع الثقوب السوداء المتزايدة الكتلة مع الزمن الكوني (انظر على سبيل المثال بيانا وآخرون 2022) أو تأثيرات الاختيار (انظر فولونتيري وآخرون 2017)، لكننا نلاحظ أن أعدادنا للأكثر سطوعًا الأشياء غير مؤكدة بسبب العدد المحدود من الاكتشافات المتاحة.
شرط أن يكون اختيارنا للألوان والشكل ناجحًا بشكل مقارن في تحديد AGN المتوهجة كما تم إظهاره سابقًا (Labbé et al. 2023a; Greene et al. 2024)، يبدو أن المصادر الحمراء المدمجة التي تم تحديدها في حقول JWST الفارغة هيديكس أكثر عددًا مقارنة بالدراسات السابقة لـ JWST للكويسارات الضعيفة المختارة بالأشعة فوق البنفسجية المعروفة ). بينما كانت هذه الظاهرة تعود باستمرار في نتائج JWST الجديدة (على سبيل المثال، كوكوريف وآخرون 2023أ؛ باكوتشي وآخرون 2023؛ فورتاك وآخرون 2024؛ مايونينو وآخرون 2024)، من الجدير بالذكر أن الأعمال السابقة قد أشارت بالفعل إلى أن كثافة عدد الثقوب السوداء النشطة، التي تكون خافتة في الأشعة فوق البنفسجية ومغبرة، قد تكون أعلى بكثير مما كان يُعتقد سابقًا (لابورت وآخرون 2017؛ موريشيتا وآخرون 2020؛ فوجيموتو وآخرون 2022). على سبيل المثال، وجد كل من فوجيموتو وآخرون (2022) وموريشيتا وآخرون (2020) أن عدد سكان الكوازارات الحمراء الأقل سطوعًا قد يكون أكثر شيوعًا من 10 إلى 100 مرة في ، مقارنةً بدوال سطوع الكوازارات فيتم بناؤه من مجموعات بيانات قائمة على الأرض (مثل ماتسوكا وآخرون 2018؛ كاتو وآخرون 2020؛ نيدا وآخرون 2020). تشير نتائج هذا العمل، جنبًا إلى جنب مع الجهود الأخيرة لدراسة المصادر الحمراء المدمجة، إلى أن هذه المجموعات الضعيفة من الكوازارات، التي فاتت في المسوحات السابقة، يتم اكتشافها الآن من خلال الفوتومترية الطيفية العميقة والغنية متعددة الأطياف من تلسكوب جيمس ويب. من المهم أيضًا أن نبرز أنه إذا قمنا بتقدير UVLF لدينا إلى درجات سطوع أكثر، فإن كثافة عدد LRDs تصبح قابلة للمقارنة ثم تنخفض تحت كثافة الكوازارات المختارة بالأشعة فوق البنفسجية. حاليًا، ومع ذلك، لا يمكن التكهن ما إذا كان هذا تأثيرًا فيزيائيًا حقيقيًا أو مجرد نتيجة لحجم غير كافٍ تم عيّنته.
4.3. دالة اللمعان البولومتري
تظهر نتائج ملاءمة SED لدينا أن نسبة الضوء فوق البنفسجي المساهمة في اللمعان الكلي صغيرة، نتيجة لـ
الجدول 2 بولومترية وأشعة فوق بنفسجية ( ) LFs، بالإضافة إلى دالة كتلة SMBH، لعينة LRDs الخاصة بنا
سطوع الأشعة فوق البنفسجية
[ABmag]
-17.0
19
-18.0
68
-19.0
53
-20.0
21
-21.0
2
-22.0
1
< – 6.52
-17.0
٥
-18.0
23
-19.0
٢٩
-20.0
9
-21.0
2
-22.0
1
< – 6.42
اللمعان البولومتري
٤٤.٠
٤٦
٤٥.٠
93
٤٦.٠
26
٤٧.٠
1
<-5.62
٤٤.٠
1
>-5.48
٤٥.٠
14
٤٦.٠
٣٣
٤٧.٠
9
كتلة BH ( )
6.0
٣٩
6.5
٤٤
٧.٠
40
٧.٥
21
8.0
2
٨.٥
1
الجدول 3 أفضل معلمات شكتير المناسبة لمخطط الكثافة الضوئية في إطار الراحة للأشعة فوق البنفسجية عند، عبر حقول بلانك JWST
٥
٧
احمرار الغبار الملحوظفي هذه الأجسام. حتى مع وجود الأطياف في اليد (على سبيل المثال، غرين وآخرون 2024)، ليس من السهل تحديد أصول ضوء الأشعة فوق البنفسجية البعيدة، الذي قد يكون ضوء AGN، إما متناثراً أو منتقلًا عبر سحب الغبار المتقطعة، أو ضوء غير محجوب من تكوين النجوم في المضيف. المجرة. وبالتالي، بينما نضع LRDs لدينا في سياق اللمعان فوق البنفسجي المرصود، فإن هذا لا يصف بشكل صريح فيزياء AGN المحتمل الذي تستضيفه هذه الكائنات المدمجة. بسبب ذلك، وأيضًا لإجراء مقارنة مع وظائف اللمعان الكلي الطيفي الموجودة لـ BL AGN المغبرة، نقدم أيضًا وظائف اللمعان الكلي في الشكل 5 والجدول 2. بينما يمكن أن يكون التخفيف الناتج عن الغبار، المقدر من ملاءمة SED، مصدرًا مهمًا لعدم اليقين، نلاحظ أنه حتى لو كانت جميع تم تقدير القيم بشكل مبالغ فيه، وهذا سيغير فقط التصحيح المتعلق بالغباربعامل من، بالنظر إلى المتوسط. وبالتالي، سيؤثر ذلك فقط على كثافات الأعداد بـفي المتوسط، وهو غير مهم عند مقارنته بتوزيع بواسون والأخطاء. أخيرًا، لأخذ في الاعتبار الوجود المحتمل لخطوط الانبعاث ذات العرض المكافئ العالي، نقوم بإدراج الإضافيتحول منهجي فيوتطبيقه على الشكوك حول.
فهم المكان الذي تبدأ فيه وظائف اللمعان البولومتري في أن تصبح غير مكتملة أقل وضوحًا مقارنة بالكميات المرصودة مثل، حيث أن الأولى تعتمد أيضًا على تصحيح الغبار المستمد من نمذجة SED والافتراضات المتعلقة بمساهمة AGN في الانبعاث الضوئي في إطار الزمان. لهذا السبب، لا نقوم بتعريف حد الاكتمال، كما نفعل من أجل ، ولكن لكل حاوية من اللمعان البولومتري بعرض 1 دكس، نقوم أيضًا بحسابالتصحيح، كما هو موضح في القسم 4.1.
تؤكد كثافات أعدادنا مرة أخرى أن مرشحي AGN المدمجين الحمراء أكثر وفرة بحوالي 100 مرة مقارنةً بـ AGN المختارين بناءً على الأشعة فوق البنفسجية عند مستويات اللمعان الداخلي المماثلة (شين وآخرون 2020) في. الـكثافات الأعداد التي نستعيدها قابلة للمقارنة مع النتائج السابقة لهذه الكائنات المستمدة في غرين وآخرون (2024)، لابي وآخرون (2023أ)، وماثي وآخرون (2024) لـومع ذلك، نجد بشكل غريب عامل 10 أكثر من LRDs مقارنةً بـ Greene وآخرون (2024) فياسميًا، عمق NIRSpec الوسيط عندمتابعة UNCOVER لـ A2744 أقل عمقًا مقارنةً بالمجالات التي نفحصها؛ وبالتالي، قد لا يكون من المستغرب أننا نستطيع استعادة نسبة كبيرة من الأجسام الخافتة بطبيعتها. ومع ذلك، نظرًا لأنليس كمية ملحوظة ويعتمد على نمذجة SED لحساب تصحيح الغبار، من الصعب التأكد مما إذا كانت الكثافات العددية الأعلى التي نستعيدها ناتجة بالفعل عن فرق العمق أو ببساطة عن التحيز الناتج عن اختيار عينة الطيف فقط والأحجام الموجهة في UNCOVER. علاوة على ذلك، كان تصميم القناع لملاحظات NIRSpec في UNCOVER في مجال A2744 مدفوعًا أيضًا بتحسين تغطية MSA لتضمين أهداف أخرى ذات اهتمام ولم يكن محدودًا فقط لـ LRDs. وهذا، بدوره، يؤدي إلى تأثيرات اختيارية لن يكون من الممكن تتبعها وتصحيحها.
نقارن أيضًا دالة اللمعان الكلي لدينا بأحدث إصدار من نماذج DELPHI شبه التحليلية (دايال وآخرون 2019، 2024). باختصار، تتبع هذه النماذج زرع ونمو الثقوب السوداء منحتى. تشمل أيضًا جميع العمليات الرئيسية لدمج وتجميع هالات المادة المظلمة ومكوناتها الباريونية (بما في ذلك الثقوب السوداء). كما يتتبع النموذج تكوين النجوم ونمو الثقوب السوداء وتأثيراتها المختلفة في تحديد تجميع هذه الأنظمة المبكرة. أخيرًا، تشمل نماذج DELPHI أيضًا عمليات الغبار الرئيسية للحصول على نسب الغبار إلى الكتلة النجمية، مع قاعدة تم بناؤها استنادًا إلى أحدث ملاحظات ALMA (Dayal et al. 2022; Mauerhofer & Dayal 2023). تم القيام بكل هذا بشكل محدد لضمان أن DELPHI يمكنه إعادة إنتاج كل من
الشكل 5. دوال اللمعان البولومتري في (يسار) و صناديق (يمين) ، مشتقة من، على افتراض أن الاستمرارية البصرية في إطار الراحة تهيمن عليها AGN. لقد كانت كثافات الأعداد – وتصحيح الاكتمال. تم اشتقاق الشكوك من ضوضاء بواسون (غيرلز 1986). تشير الأسهم إلى الحدود العليا لكثافات الأعداد المستمدة. تظهر المربعات الزرقاء الحدود العليا المستمدة ل LRDS المؤكدة طيفياً في بيانات UNCOVER من غرين وآخرون (2024). بالإضافة إلى ذلك، في أدنى نطاق انزياح أحمر، نعرض نتيجة شبكة NIRCam لماثي وآخرون (2024؛ دائرة مفتوحة). تظهر الخطوط المتقطعة النتائج قبل JWST.العلاقة المستمدة في شين وآخرون (2020). أخيرًا، تُظهر الخطوط الزرقاء دالة اللمعان من نماذج دلفي شبه التحليلية (دايال وآخرون 2019) التي تنمو بها الثقوب السوداء الهائلة من البذور.
المصادر الضعيفة والمحمرة جوهريًا في الأدبيات الحديثة، أي LRDs.
نجد أنه بينما ملاحظاتنا قابلة للمقارنة مع نتائج DELPHI عندفي، هذه النماذج تفشل في إعادة إنتاج الكثافة العالية للأجسام الساطعة التي نبلغ عنها. عندمن ناحية أخرى، تظل كثافاتنا دائمًا أقل بمقدار 1 دكس من توقعات DELPHI. وهذا، بدوره، قد يشير إلى أن نسبة AGN المغبرة تتناقص مع مرور الوقت، حيث قد تنتقل إلى كوازارات غير محجوبة (Fu et al. 2017; Fujimoto et al. 2022).
أخيرًا، نرى أيضًا انتشارًا أعلى للأجسام الأكثر سطوعًا بشكل جوهري في، وهو ما يعد نتيجة محتملة للأحجام الأكبر التي تم أخذ عينات منها في تحليلنا. كما تم الإشارة إليه بالفعل في Greene et al. (2024)، من الجدير بالذكر أن الشكوك حول الـالعلاقة، تصحيح الغبار، وافتراض أن هذه الأجسام تهيمن عليها ضوء AGN في الإطار الزمني الراحة يمكن أن يتسبب في تشتت الأجسام نحو الأعلى في صناديق اللمعان العالي. نحن نستعيد فقط جسمًا واحدًا فوقفيوتحتفي، على التوالي. حيث أن هذا غير كافٍ لحساب دوال اللمعان بشكل صحيح، يتم عرضها كحدود عليا (سفلى) في الشكل 5، المستمدة من دمج عدم اليقين في بواسون (غيرلز 1986) وعدم اليقين في الصور الضوئية (مارشيسيني وآخرون 2009).
4.4. الـدالة كتلة الثقوب السوداء supermassive
مع البيانات التي حصلنا عليها، سنقوم الآن باشتقاق ووصف القياس لوظيفة كتلة الثقب الأسود الهائل الذي قد تستضيفه أجسامنا المدمجة. يتطلب حساب كتلة الثقب الأسود المركزي عمومًا معرفة عرض الخطوط العريضة (على سبيل المثال،في الطيف الضوئي المستريح، أو Mg II في الطيف فوق البنفسجي المستريح)، مقترنًا مع سطوع مكوناتها العريضة أو السطوع المستمد من استمرارية AGN عند (انظر، على سبيل المثال، كاسبي وآخرون 2000؛ غرين وهو 2005).
بينما لا يمكن تحديد كتلة الثقب الأسود بشكل دقيق في أجسامنا المدمجة، بسبب الطبيعة الفوتومترية من العينة، لا يزال بإمكاننا وضع حد أدنى على كتل الثقوب السوداء ( ) من خلال وضع مجموعة من الافتراضات المحافظة. للقيام بذلك، نتبنى سيناريو حيث جميع مرشحي AGN لدينا يتراكمون بمعدل إيدينغتون (الحد الفيزيائي الذي يتوازن فيه ضغط الإشعاع الخارجي مع القوة الجاذبية الداخلية)، بحيث ، حيث يتناسب طردياً مع. بينما في الأدبيات، معدل إيدينغتون ( ) للأجسام النشطة المؤكدة في LRDs وُجد أنها تتفاوت بين و (كوكوريف وآخرون 2023أ؛ فورتاك وآخرون 2024؛ غرين وآخرون 2024)، نود أن نبقى حذرين ونحسب حدًا أدنى على الـ. ومن الجدير بالذكر أيضًا أنه، نظرًا لهذه النطاق منفي الأدبيات، لا يزال هذا صغيرًا مقارنة بمصادر عدم اليقين الأخرى في عملنا.
نحسب الـمباشرة من الغبار المصححواحسب دالة كتلة الثقوب السوداء الهائلة كما هو موضح في الأقسام السابقة. نقدم دالة كتلة الثقوب السوداء الهائلة في الشكل 6 والجدول 2، مقسمة إلى فترات 0.5 دكس للسماح بمقارنة مباشرة مع النتائج الرصدية والنظرية الموجودة في هذه النطاقات الزمانية. نحن نحد من هذا التحقيق إلىنطاق فقط. كما في السابق، نلاحظ أن تأثير الـمن المتوقع أن تكون عدم اليقين في كثافات الأعداد لدينا في أقصى حد، التي طغت عليها إلى حد كبير أخطاء بواسون والانزياح الأحمر.
نحن الآن في وضع يمكننا من مقارنة دالة الكتلة لدينا مع العينات الموجودة من كل من الكوازارات الساطعة والخافتة في. نبدأ بأحدث دراسة قائمة على الأرض لدالة كتلة الكوازار في من هي وآخرون (2024). يركز المؤلفون على عينة منAGN ضعيف، من مجموعة بيانات مجمعة من كاميرا هايبر سوبرايم (HSC) وبيانات SDSS، مما يسمح لهم بتمديد فحصهم إلى نطاق الكتلة المنخفضة الذي نهتم به أكثر.نجد أنه بينما تتماشى نتيجتنا مع دالة الكتلة المستندة إلى الأرض في نظام الكتلة العالية، تزداد كثافات أعدادنا تحت تلك الكتلة وتستمر في الارتفاع حتىفيباستثناء اختيار اللون، من الممكن أن
الشكل 6. دالة كتلة الثقب الأسود الهائل، بافتراضمن عيّنتنا في النطاق. الأسهم الحمراء توضح كيف ستتغير دالة الكتلة لدينا إذا افترضنا نسبة إيدينغتون أقل من . نحن نضع دالة كتلة الثقب الأسود الهائل من ماتهي وآخرون (2024) عند باللون البرتقالي ودالة كتلة الثقب الأسود المستمدة من HSC + SDSS من He وآخرون (2024) باللون الأرجواني. الخط البني يعرض النتائج من محاكاة EAGLE عند (RosasGuevara وآخرون 2016). الخطوط الزرقاء الصلبة والمتقطعة تظهر النتائج من محاكاة دلفي (Dayal وآخرون 2014، 2019، 2020) لجميع الحالات والحالات الساطعة ( ) BH، على التوالي. تتفق الكثافات العددية المقاسة لـ LRDs لدينا بشكل جيد مع العينة الطيفية من ماتهي وآخرون (2024) والمحاكاة، نظرًا لـ.
هذا التأثير هو مجرد ملاحظات، حيث أن حدود الكشف في SDSS/HSC في الأشعة فوق البنفسجية الباقية أضعف بكثير مقارنةً بمجالات JWST التي نستكشفها.
علاوة على ذلك، نقارن نتيجتنا بدالة كتلة الثقوب السوداء عنداستنادًا إلى عينة من LRDs من بيانات JWST بدون شق، المقدمة في Matthee وآخرون (2024). نظرًا للاختلافات، نجد أن نتائجنا متسقة ضمنعلى الرغم من أننا لا نجد انخفاضًا حادًا في كثافات الأعداد عندمن المحتمل أن يكون ذلك مدفوعًا بنقص الكتلة المنخفضة في بيانات الجريسم كما ذُكر في ماثي وآخرون (2024).
من الطبيعي أن تكون حقيقة أن كل من نتيجتنا ونتائج ماتهي وآخرون (2024) تجد المزيد من الثقوب السوداء منخفضة الكتلة مقارنةً بهي وآخرون (2024) غير مفاجئة، نظرًا لعمق وتغطية الطول الموجي لبيانات تلسكوب جيمس ويب. ومع ذلك، من المثير للاهتمام أنه يبدو أن دالة الكتلة المستمدة من LRDs المدمجة المغبرة تستمر بشكل جيد في الاتجاه المتزايد لبيانات الأرض وتوسع دوال كتلة الثقوب السوداء الهائلة نحوفي هذا النطاق من الانزياح الأحمر، فإن الحد الأقصى للحجم الذي تم استقصاؤه من خلال تحقيقنا متعدد الحقول يساوي تقريبًا. لذلك، مع الأخذ في الاعتبار نتائج هي وآخرون (2024)، يجب أن نتوقع وجود جسم واحد فقط مع في صورنا، وهو بالفعل الحال. ومع ذلك، فإن اكتشاف AGN التي تستضيف ثقوبًا سوداء بكتل أكبر من ذلك سيتطلب أحجام مسح أكبر من 10 إلى 20 مرة.
قبل استخلاص النتائج، نود إجراء فحص نهائي ومقارنة نتائجنا بمحاكاة الديناميكا المائية EAGLE (Rosas-Guevara et al. 2016) ومحاكاة دلفي شبه التحليلية (Dayal et al. 2014، 2019، 2020، 2024) التي تصف كتل الثقوب السوداء الهائلة في نفس نطاق الانزياح الأحمر. نحن نحدد فحصنا لنماذج دلفي إلى اللامعة ( ) النظام لمطابقة نفس نطاق اللمعان الذي تغطيه أجسامنا. في الطرف المتوسط إلى المنخفض الكتلة ( نتائجنا واسعة النطاق ) اتفاق مع كل من EAGLE و Delphi، على الرغم من أن كلاهما في الحالات التي نبدأ فيها برؤية فرق كبير في كثافات الأعداد مع انتقالنا إلى كتل أعلى. ربما يكون من المفيد طرح سؤال في هذه الحالة وهو ما إذا كان سيتم العثور على المزيد من هذه الثقوب السوداء عالية الكتلة في مناطق أكبر. سنناقش هذا في قسم لاحق.
عند فحص كل من دوال اللمعان فوق البنفسجي واللمعان الكلي، نلاحظ أن LRDs تمثل فقطمن إجمالي سكان AGN من النوع الأول (BL) ، كما استنتج هاريكان وآخرون (2023) ومايولينو وآخرون (2024) ، أقل بكثير مقارنة بأحدث دراسة لمضيفي AGN من النوع الثاني من JADES (شولتز وآخرون 2023) ، حيث تكون LRDs أقل عددًا بمقدار مرة. مع أخذ ذلك في الاعتبار ، يمكننا أن نستنتج أنه ، على الأقل عند ، يبدو أن LRDs تمثل في أقصى حد من إجمالي سكان BH المتزايدين على مدى النطاق. يمكن أن يفسر حقيقة أن LRDs هي حقًا مجموعة متميزة من AGN الغبارية BL الفجوة الملحوظة دكس بين نتائجنا والمحاكاة. أخيرًا ، نود أن نكرر أن تحقيقنا في دالة كتلة BH يعتمد على افتراض الحالة الأكثر تحفظًا للاكتساب بمعدل إيدينغتون بالضبط ، حيث لا نريد أن نبالغ في تقدير عدد BHs عالية الكتلة. مع وضع ذلك في الاعتبار ، في الشكل 6 نعرض أيضًا كيف ستتغير دوال الكتلة لدينا إذا افترضنا نسبة إيدينغتون قدرها بدلاً من ذلك. في هذه الحالة ، نجد أنه بينما لا تزال كثافات عددنا مقارنة بعينات UV مرتفعة ، فإننا الآن نطابق بشكل أقرب وفرة SMBHs عالية الكتلة التي تنبأت بها DELPHI. ومع ذلك ، حتى تتوفر ملاحظات خط الانبعاث العريض لجميع مصادرنا ، ستظل قيمة غير مؤكدة.
5. المناقشة والملخص
5.1. وفرة المصادر المدمجة الساطعة
كانت محدودة سابقًا لعينات مختارة من UV عند (كاشيكاوا وآخرون 2015 ؛ بانادوس وآخرون 2018 ؛ ماتسوكو وآخرون 2018 ؛ إينايشي وآخرون 2020 ؛ وانغ وآخرون 2021 ؛ فان وآخرون 2023) ، نحن الآن قادرون على استخدام JWST لكشف وجود AGN خلال (على سبيل المثال ، كوكيفسكي وآخرون 2023 ؛ أوبلر وآخرون 2023 ؛ ماتهي وآخرون 2024) وحتى بعد حقبة إعادة التأين (على سبيل المثال ، فورتاك وآخرون 2023ب ؛ غولدينغ وآخرون 2023 ؛ كوكوريف وآخرون 2023أ ؛ لارسون وآخرون 2023 ؛ مايولينو وآخرون 2023 ؛ بوغدان وآخرون 2024 ؛ لامبريدس وآخرون 2024) بعد مئات الملايين من السنين فقط بعد الانفجار العظيم. تبرز بين هذه الدراسات المبكرة لـ BHs النشطة مجموعة AGN من النوع الأول المظلم ، المعروفة باسم LRDs (غرين وآخرون 2024 ؛ لابي وآخرون 2023أ ؛ ماتهي وآخرون 2024).
بينما كانت دراسة هذه المجموعة الفريدة محدودة في الغالب لعينات طيفية صغيرة ، أظهرت الجهود الأخيرة التي تركزت على مجموعة بيانات A2744 JWST (لابي وآخرون 2023أ) وعدًا كبيرًا في استخدام مجموعة من ألوان NIRCam والشكل لتحديد AGN المظلم. وقد أظهرت هذه الاختيار الفوتومتري الأولي نجاحًا ملحوظًا ، حيث تم تأكيد من الأهداف بالفعل كـ AGN BL غبارية (فوجيموتو وآخرون 2023ج ؛ فورتاك وآخرون 2023ب ؛ كوكوريف وآخرون 2023أ ؛ غرين وآخرون 2024). من الواضح أن هذه الأجسام تلعب دورًا مهمًا في قصة نمو BH في الأوقات المبكرة ، على الرغم من أنه حتى الآن لم يتم إجراء مراجعة منهجية لهذه AGN الغامضة عبر مجالات متعددة.
مدفوعين بنجاح هذا الاختيار الفوتومتري ، نقدم عينة من 260 مرشحًا لـ AGN BL المظلم في نطاق الانزياح الأحمر ، تغطي أربعة مجالات فارغة منفصلة من JWST
بمساحة إجمالية قدرها . نقوم بتقليل بيانات NIRCam JWST بشكل موحد من مجموعة متنوعة من البرامج العامة ، مكملين تغطيتنا الفوتومترية بملاحظات HST الأرشيفية. نقوم بإجراء اختيار اللون والشكل لتحديد أكثر الأجسام المدمجة الواعدة التي تظهر ثنائية في أشكال SED المرصودة ، وهي استمرارية UV زرقاء واستمرارية بصرية حمراء شبيهة بالقوة. عيّنتنا متاحة للجمهور ، ونقدم وصفًا كاملاً لكتالوجنا في الجدول 4.
باستخدام نمذجة الملاءمة ، نستخرج الانزياحات الفوتومترية بالإضافة إلى مجموعة من المعلمات الفيزيائية ، بما في ذلك ، و المصححة بالغبار. نقسم أجسامنا إلى مجموعتين من الانزياحات عند و ونستكشف مساهمتها في دوال اللمعان UV واللمعان الكلي للمجرات التي تشكل النجوم بالإضافة إلى الكوازارات المختارة من UV. متسقة مع الأعمال السابقة (غرين وآخرون 2024 ؛ مايولينو وآخرون 2024 ؛ ماتهي وآخرون 2024) التي تستكشف AGN BL عالية الزاوية ، نجد أن كثافات عدد هذه الأجسام عند مرتفعة بشكل مدهش ، تتجاوز مقارنة بالكوازارات المختارة من UV الخافتة (على سبيل المثال ، نيدا وآخرون 2020 ؛ هي وآخرون 2024) ، مع الأخذ في الاعتبار أيضًا من إجمالي سكان AGN BL (هاريكان وآخرون 2023 ؛ مايولينو وآخرون 2024) و من المجرات التي تشكل النجوم المختارة من UV (على سبيل المثال ، بواندس وآخرون 2021). علاوة على ذلك ، بينما تم تحديد بعض هذه الأجسام كمصادر محتملة لإعادة التأين في بيئتها المحلية (فوجيموتو وآخرون 2023ج) ، يبدو أن لمعانها UV لا يزال غير كافٍ للمساهمة في إعادة التأين بشكل كبير (دايال وآخرون 2024).
بافتراض الاكتساب بمعدل إيدينغتون ، نضع أيضًا حدًا أدنى على لأجسامنا ، حيث نجد أن بعض هذه يمكن أن تكون ضخمة جدًا ( ) بعد بضع مئات من السنين فقط بعد الانفجار العظيم. باستخدام هذه الكتل ، تمكنا أيضًا من بناء توقعاتنا لدالة كتلة SMBH ، ولأول مرة ، نمدها إلى نظام الكتلة المنخفضة . نجد أن نتائج دالة الكتلة لدينا متسقة تمامًا مع كثافات العدد المستمدة من AGN الغبارية الخافتة من ماتهي وآخرون (2024) عند الكتل المتوسطة وقابلة للمقارنة مع تلك من عينات مختارة من UV عند الكتلة العالية (هي وآخرون 2024). نلاحظ ، مع ذلك ، أنه بينما تكون كثافات عددها متشابهة ، تتكون العينة المقدمة في هي وآخرون (2024) من كوازارات غير محجوبة ، وليست LRDs ، التي يُعتقد أنها AGN محجوبة بالغبار. نجد أن كل من التنبؤات الهيدروديناميكية وشبه التحليلية لعدد BHs عند هذا الانزياح الأحمر تتطابق مع ملاحظاتنا أدناه ، على الرغم من أنها تبدأ في الاختلاف بمقدار 2 دكس تقريبًا عند الكتل الأعلى. من المحتمل أن تكون هذه BHs الضخمة والساطعة محجوبة بشدة في UV الإطار الزمني وبالتالي لا يتم اختيارها كـ LRDs ، بسبب نقص مكون أزرق واضح.
5.2. الملاحظات النهائية
استخدام ألوان NIR المرصودة لاختيار BHs النشطة في المجالات الخارجية ليس بمسعى جديد بأي حال من الأحوال وقد تم القيام به بنجاح بالفعل باستخدام أداة IRAC على متن تلسكوب الفضاء سبيتزر (لاسي وآخرون 2004 ؛ ستيرن وآخرون 2005 ؛ دونلي وآخرون 2012). ومع ذلك ، لا تزال هذه الطريقة في مهدها عندما يتعلق الأمر بـ JWST (لابي وآخرون 2023أ ؛ أنديكه وآخرون 2024). كما أشار ماتهي وآخرون (2024) ، فإن عددًا قليلاً جدًا من برامج JWST التي تكشف عن AGN الغبارية تم تصميمها بالفعل مع وضع AGN في الاعتبار ، مما يعني أنه لا يزال هناك المزيد مما يمكننا القيام به لمعالجة عدد متزايد من الأسئلة حول هذه المجموعة.
أولاً ، لا تزال الآليات الفيزيائية التي تحكم تشكيل BH ونموها في هذه الأنظمة غير مفهومة جيدًا ، على الرغم من وجود مجموعة متزايدة من الأعمال التي تحاول فك شفرة هذه المجموعة الغامضة (غرين وآخرون 2024 ؛ سيلك وآخرون 2024). واحدة من هذه الألغاز هي أصل الضوء الأزرق الموجود في LRDs. لا يسمح التشابه بين المنحدرات الزرقاء لمجرات تشكيل النجوم ذات المعدل المنخفض والكوازارات لنا بتقييم واضح ما إذا كان الضوء UV المتبقي ينشأ من AGN نفسه أو من المجرة المضيفة المدمجة المحيطة به ، من الاستمرارية وحدها. إحدى الطرق لحل ذلك هي استهداف ثنائية Mg II ( ) ، خطوط C IV و Si IV أو He II ( ) (على سبيل المثال ، انظر مايولينو وآخرون 2023) وتأكيد ما إذا كانت هذه موسعة أم لا. ومع ذلك ، سيتطلب ذلك أوقات تكامل أطول مع NIRSpec ، حيث ستكون الشبكات المتوسطة أو حتى عالية الدقة مطلوبة لتحقيق الدقة الطيفية اللازمة. علاوة على ذلك ، بينما من حيث المبدأ يمكن أن تشير اكتشافات خطوط الانبعاث UV العريضة إلى أن AGN مسؤول عن بعض الضوء UV ، فإن ذلك لا يعني بالضرورة أن الاستمرارية UV تأتي أيضًا من نفس المصدر.
ثانيًا ، لا توجد نماذج حتى الآن يمكن أن تصف بشكل كافٍ الضوء الذي نراه يظهر من هذه الأجسام. حتى الآن ، كان علينا الاعتماد بشكل أساسي على مجموعات من نماذج كوازارات خالية من الغبار ومخففة بالغبار ، والتي قد تصف بشكل كافٍ AGN عند الزاوية العالية. علاوة على ذلك ، يمكن أن يؤدي عدم اليقين المستمر بشأن تصحيح إلى إدخال بعض التحيزات في تقديراتنا لـ و . إحدى الحلول لتخفيف ذلك هي تجميع طيف LRDs المعروفة ، لتعريف مجموعات من النماذج الموثوقة التي تصف هذه المجموعات وتساعد في مزيد من الاختيار الفوتومتري.
ثالثًا، من الضروري أن نلاحظ أن نسبة كبيرة من الثقوب السوداء الهائلة (مع ) عند الانزياحات الحمراء العالية (highz) يمكن أن تكون محجوبة بشدة، كما تشير إليه dELPHI. تم التوصل إلى استنتاجات مماثلة بالفعل من وظائف اللمعان بالأشعة السينية في كلاهما من المحاكاة (Ni et al. 2020) والملاحظات (Aird et al. 2015؛ Vito et al. 2018). بالإضافة إلى ذلك، أظهر Trebitsch et al. (2019) أن الثقوب السوداء الهائلة التي تتراكم في مجرات Lyman-break نادراً ما تكون ساطعة في الأشعة فوق البنفسجية. مع وضع ذلك في الاعتبار، فإن اختيار هذه AGN الضخمة كـ LRDs لن يكون ممكنًا، حيث يتطلب الأمر مزيجًا من تصوير الأشعة فوق البنفسجية العميق جدًا ومساحات كبيرة. على الرغم من ذلك، يجب أن تظهر هذه الأجسام ساطعة في الأشعة تحت الحمراء القريبة، مما يفتح إمكانية التعرف عليها بفعالية من خلال مسوحات كبيرة أو متوازية باستخدام MIRI.
أخيرًا، كما أظهر ويليامز وآخرون (2023a) وبيريز-غونزاليس وآخرون (2024) مؤخرًا، يمكن أن تساعد MIRI أيضًا في توضيح الأعداد الحقيقية للـ AGN بين LRDs، حيث إن بعض هذه قد تكون أسلافًا غبارية للإهليجيات المدمجة.
لقد قدمت النتائج المبكرة من تلسكوب جيمس ويب الفضائي بالفعل نتائج غير متوقعة وملحوظة بشأن كثافات الأعداد للأجسام النشطة في المجرات المبكرة، مما أدى إلى تغيير في فهمنا لتكوينها ونموها في الكون المبكر. تبرز نتائجنا إمكانيات استخدام كاميرا NIRCam وحدها لاختيار الأجسام النشطة في المجرات المتأثرة بالاحمرار عند مستويات عالية-في محاولة لفهم خصائصها ووفرتها بشكل أفضل. بينما توجد بعض القيود على هذه التقنية، كما ناقشنا بالفعل في عملنا، فإن هذا يوفر مجموعة حاسمة من الخطوات التالية من أجل سد الفجوة بين الكوازارات الساطعة في الأشعة فوق البنفسجية والثقوب السوداء الهائلة الخافتة. ومع ذلك، من الواضح بالفعل أن أهمية AGN الخافتة والمحمرة في الأوقات المبكرة لا يمكن تجاهلها.
شكر وتقدير
نشكر المحكم المجهول على عدد من الاقتراحات البناءة، التي ساعدت في تحسين جودة هذه المخطوطة بشكل كبير. نحن ممتنون لديل كوتشفسكي وكوهي إينايوشي على صبرهم في مساعدتنا على اكتشاف وتصحيح الت inconsistencies الطفيفة في المخطوطة. يود المؤلفون أن يشكروا سارة بوسمان على المناقشات العميقة حول الكوازارات الساطعة بالأشعة فوق البنفسجية عند الانزياح الأحمر العالي. كما نشكر ماورو جيافاليكو، وهوليس أكينز، وميغانا كيلي على المناقشات المفيدة بشأن طبيعة AGN المحجوبة بالغبار. يعترف V.K. و K.I.C. بالتمويل من مجلس البحث الهولندي (NWO) من خلال منح جائزة Vici VI.C.212.036. يعترف J.E.G. بالدعم من منحة NSF/AAG رقم 1007094 وأيضًا الدعم من منحة NSF/AAG رقم 1007052. يعترف P.D. و M.T. بالدعم من منحة NWO 016.VIDI.189.162 (“ODIN”). كما يعترف P.D. بالدعم من برنامج روزاليند فرانكلين الممول من المفوضية الأوروبية وجامعة غرونينجن. تم دعم T.B.M. من خلال زمالة ما بعد الدكتوراه CIERA. يعتمد هذا العمل على الملاحظات التي تم إجراؤها باستخدام تلسكوب جيمس ويب الفضائي التابع لناسا/وكالة الفضاء الأوروبية/وكالة الفضاء الكندية. تم الحصول على البيانات من أرشيف ميكولسكي لتلسكوبات الفضاء في معهد علوم تلسكوب الفضاء، الذي تديره جمعية الجامعات للبحث في علم الفلك، Inc.، تحت إشراف ناسا. عقد NAS 5-03127 لـ JWST. يمكن العثور على جميع بيانات JWST و HST المستخدمة في هذه الورقة على MAST على doi:10.17909/de9v-7893. تم استرجاع بعض منتجات البيانات المقدمة هنا من أرشيف Dawn JWST (DJA). DJA هو مبادرة من مركز الفجر الكوني، الذي يتم تمويله من قبل مؤسسة الأبحاث الوطنية الدنماركية بموجب منحة رقم 140. استخدمت هذه العمل موارد حاسوبية مقدمة من جامعة نورث وسترن ومركز الاستكشاف والبحث بين التخصصات في علم الفلك (CIERA). تم دعم هذا البحث جزئيًا من خلال الموارد الحاسوبية ومساهمات الموظفين المقدمة لمرافق الحوسبة عالية الأداء Quest في جامعة نورث وسترن، والتي يتم دعمها بشكل مشترك من قبل مكتب نائب الرئيس، ومكتب الأبحاث، وتكنولوجيا المعلومات في جامعة نورث وسترن.
في هذا القسم نقدم نسخة مختصرة من الجدول (الجدول 4) الذي يسرد مواقع مصادرنا بالإضافة إلى جميع المعلمات الفيزيائية المشتقة.
مثال على الجدول الذي يحتوي على جميع خصائص مصادرنا
هوية
حقل
R.A. (درجة)
إعلان (درجة)
{filt}_تدفق ( )
{filt}_خطأ التدفق ( )
(مج)
(ABmag)
(صور)
(حاسوب شخصي)
1381
برايمر-يو دي إس
٣٤.٤٤٠٩٨٨
-5.209337
<1.04
<186
1470
برايمر-يو دي إس
٣٤.٢٦٠٥٤٩
-5.209163
…
…
<1.23
<230
1544
برايمر-يو دي إس
٣٤.٣٧٧٤١٣
-5.209023
…
…
<1.02
<187
1939
برايمر-يو دي إس
٣٤.٤٠٣٠٩٨
-5.208186
…
…
<0.71
<144
٣٩٩٢
برايمر-يو دي إس
٣٤.٣٦٧٣٠٤
-5.204196
…
…
<0.55
<104
7991
برايمر-يو دي إس
٣٤.٢٩٣٦٨٧
-5.196477
…
…
<1.11
<196
8559
برايمر-يو دي إس
٣٤.٤٦٥٤٢٦
-5.195333
…
<0.68
<111
١٠٤٠٤
برايمر-يو دي إس
٣٤.٤٦٢٨٧٢
-5.191960
…
…
<0.50
<101
١١٢١٩
برايمر-يو دي إس
٣٤.٤٧١١٢٦
-5.190444
…
<0.42
<84
١٤٤١٩
برايمر-يو دي إس
٣٤.٣٩٩١٧٨
-5.184323
…
…
<0.64
<135
عربي
١٥٢٥٧
برايمر-يو دي إس
٣٤.٤٣١٨٦٤
-5.182780
<0.79
<133
١٦٩٩٩
برايمر-يو دي إس
٣٤.٥٠٨٠٥٨
-5.180084
<0.65
<154
18804
برايمر-يو دي إس
٣٤.٣٦٣٥١٥
-5.176964
…
<0.45
<114
18892
برايمر-يو دي إس
٣٤.٢٦٨٩٠٨
-5.176722
<0.62
<123
19416
برايمر-يو دي إس
٣٤.٤٦٠٧٦٣
-5.175813
…
<1.07
<221
21108
برايمر-يو دي إس
٣٤.٣٦٢٩٦٣
-5.173200
<0.62
<105
22773
برايمر-يو دي إس
٣٤.٤٣٨٩٨٦
-5.170543
…
<0.57
<129
23575
برايمر-يو دي إس
٣٤.٤٠٨٠٢٠
-5.169147
<0.76
<137
24081
برايمر-يو دي إس
٣٤.٣٤٦٢٠٧
-5.168197
<0.52
<100
ملاحظة. النسخة الكاملة من هذه الجدول متاحة على زينودو على doi:10.5281/zenodo.10820724. الأحجام مقاسة في نطاق F444W علىالصور. عرض النقطة الكاملة (FWHM) لوظيفة الانتقال النقطي (PSF) لـ F444W هو 3.45 بكسل.
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023, MNRAS, 518, 4755
Aird, J., Coil, A. L., Georgakakis, A., et al. 2015, MNRAS, 451, 1892
Akins, H. B., Casey, C. M., Allen, N., et al. 2023, ApJ, 956, 61
Andika, I. T., Jahnke, K., Onoue, M., et al. 2024, A&A, 685, A25
Atek, H., Chemerynska, I., Wang, B., et al. 2023, MNRAS, 524, 5486
Austin, D., Adams, N., Conselice, C. J., et al. 2023, ApJL, 952, L7
Baggen, J. F. W., van Dokkum, P., Labbé, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Bañados, E., Carilli, C., Walter, F., et al. 2018, ApJL, 861, L14
Banerji, M., Alaghband-Zadeh, S., Hewett, P. C., & McMahon, R. G. 2015, MNRAS, 447, 3368
Barbary, K. 2016, JOSS, 1, 58
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Behroozi, P., Conroy, C., Wechsler, R. H., et al. 2020, MNRAS, 499, 5702
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Behroozi, P. S., & Silk, J. 2015, ApJ, 799, 32
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bezanson, R., Labbe, I., Whitaker, K. E., et al. 2022, arXiv:2212.04026
Blanton, M. R., & Roweis, S. 2007, AJ, 133, 734
Bogdan, A., Goulding, A., Natarajan, P., et al. 2024, NatAs, 8, 126
Bouwens, R. J., Illingworth, G. D., Oesch, P. A., et al. 2015, ApJ, 803, 34
Bouwens, R. J., Oesch, P. A., Stefanon, M., et al. 2021, AJ, 162, 47
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Bradley, L. D., Coe, D., Brammer, G., et al. 2023, ApJ, 955, 13
Brammer, G. 2022, msaexp: NIRSpec analyis tools v0.3, Zenodo, doi:10. 5281/zenodo. 7299500
Brammer, G. 2023, grizli v1.8.2, Zenodo, doi:10.5281/zenodo. 7712834
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Carnall, A. C., Begley, R., McLeod, D. J., et al. 2023, MNRAS, 518, L45
Casey, C. M., Akins, H. B., Shuntov, M., et al. 2024, ApJ, 965, 98
Chabrier, G. 2003, PASP, 115, 763
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
Curtis-Lake, E., Carniani, S., Cameron, A., et al. 2023, NatAs, 7, 622
Davé, R., Anglés-Alcázar, D., Narayanan, D., et al. 2019, MNRAS, 486, 2827
Dayal, P., Choudhury, T. R., Bromm, V., & Pacucci, F. 2017, ApJ, 836, 16
Dayal, P., Ferrara, A., Dunlop, J. S., & Pacucci, F. 2014, MNRAS, 445, 2545
Dayal, P., Ferrara, A., Sommovigo, L., et al. 2022, MNRAS, 512, 989
Dayal, P., Rossi, E. M., Shiralilou, B., et al. 2019, MNRAS, 486, 2336
Dayal, P., Volonteri, M., Choudhury, T. R., et al. 2020, MNRAS, 495, 3065
Dayal, P., Volonteri, M., Greene, J. E., et al. 2024, arXiv:2401.11242
Donley, J. L., Koekemoer, A. M., Brusa, M., et al. 2012, ApJ, 748, 142
Eisenstein, D. J., Johnson, B. D., Robertson, B., et al. 2023a, arXiv:2310. 12340
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Endsley, R., Stark, D. P., Lyu, J., et al. 2023, MNRAS, 520, 4609
Fan, X., Banados, E., & Simcoe, R. A. 2023, ARA&A, 61, 373
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Fruchter, A. S., & Hook, R. N. 2002, PASP, 114, 144
Fu, H., Isbell, J., Casey, C. M., et al. 2017, ApJ, 844, 123
Fujimoto, S., Bezanson, R., Labbe, I., et al. 2023a, arXiv:2309.07834
Fujimoto, S., Brammer, G. B., Watson, D., et al. 2022, Natur, 604, 261
Fujimoto, S., Kohno, K., Ouchi, M., et al. 2023b, arXiv:2303.01658
Fujimoto, S., Wang, B., Weaver, J., et al. 2023c, arXiv:2308.11609
Furtak, L. J., Labbé, I., Zitrin, A., et al. 2024, Natur, 628, 57
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023a, ApJ, 952, 142
Furtak, L. J., Zitrin, A., Weaver, J. R., et al. 2023b, MNRAS, 523, 4568
Gaia Collaboration, Brown, A. G. A., Vallenari, A., et al. 2021, A&A, 649, A1 Gehrels, N. 1986, ApJ, 303, 336
Giallongo, E., Grazian, A., Fiore, F., et al. 2019, ApJ, 884, 19
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Glikman, E., Simmons, B., Mailly, M., et al. 2015, ApJ, 806, 218
Gordon, K. D., Clayton, G. C., Misselt, K. A., Landolt, A. U., & Wolff, M. J. 2003, ApJ, 594, 279
Goulding, A. D., Greene, J. E., Setton, D. J., et al. 2023, ApJL, 955, L24
Grazian, A., Giallongo, E., Boutsia, K., et al. 2018, A&A, 613, A44
Greene, J. E., & Ho, L. C. 2005, ApJ, 630, 122
Greene, J. E., Labbe, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
He, W., Akiyama, M., Enoki, M., et al. 2024, ApJ, 962, 152
Inayoshi, K., Visbal, E., & Haiman, Z. 2020, ARA&A, 58, 27
Jin, S., Sillassen, N. B., Magdis, G. E., et al. 2023, A&A, 670, L11
Kannan, R., Springel, V., Hernquist, L., et al. 2023, MNRAS, 524, 2594
Kartaltepe, J. S., Rose, C., Vanderhoof, B. N., et al. 2023, ApJL, 946, L15
Kashikawa, N., Ishizaki, Y., Willott, C. J., et al. 2015, ApJ, 798, 28
Kaspi, S., Smith, P. S., Netzer, H., et al. 2000, ApJ, 533, 631
Kato, N., Matsuoka, Y., Onoue, M., et al. 2020, PASJ, 72, 84
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kokorev, V., Brammer, G., Fujimoto, S., et al. 2022, ApJS, 263, 38
Kokorev, V., Fujimoto, S., Labbe, I., et al. 2023a, ApJL, 957, L7
Kokorev, V., Jin, S., Magdis, G. E., et al. 2023b, ApJL, 945, L25
Kron, R. G. 1980, ApJS, 43, 305
Kulkarni, G., Worseck, G., & Hennawi, J. F. 2019, MNRAS, 488, 1035
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., Oesch, P. A., Bouwens, R. J., et al. 2013, ApJL, 777, L19
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Lacy, M., Storrie-Lombardi, L. J., Sajina, A., et al. 2004, ApJS, 154, 166
Lambrides, E., Chiaberge, M., Long, A., et al. 2024, ApJL, 961, L25
Laporte, N., Bauer, F. E., Troncoso-Iribarren, P., et al. 2017, A&A, 604, A132
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2305.12492
Marchesini, D., van Dokkum, P. G., Förster Schreiber, N. M., et al. 2009, ApJ, 701, 1765
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
Matsuoka, Y., Onoue, M., Iwasawa, K., et al. 2023, ApJL, 949, L42
Matsuoka, Y., Strauss, M. A., Kashikawa, N., et al. 2018, ApJ, 869, 150
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Mauerhofer, V., & Dayal, P. 2023, MNRAS, 526, 2196
Mitra, S., Choudhury, T. R., & Ferrara, A. 2018, MNRAS, 473, 1416
Morishita, T., Stiavelli, M., Trenti, M., et al. 2020, ApJ, 904, 50
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022, ApJL, 940, L14
Ni, Y., Di Matteo, T., Gilli, R., et al. 2020, MNRAS, 495, 2135
Niida, M., Nagao, T., Ikeda, H., et al. 2020, ApJ, 904, 89
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B. 1974, ApJS, 27, 21
Ormerod, K., Conselice, C. J., Adams, N. J., et al. 2024, MNRAS, 527, 6110
Pacucci, F., Dayal, P., Harikane, Y., Inoue, A. K., & Loeb, A. 2022, MNRAS, 514, L6
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pasha, I., & Miller, T. B. 2023, JOSS, 8, 5703
Pérez-González, P. G., Barro, G., Rieke, G. H., et al. 2024, arXiv:2401.08782
Piana, O., Dayal, P., & Choudhury, T. R. 2022, MNRAS, 510, 5661
Planck Collaboration, Aghanim, N., Akrami, Y., et al. 2020, A&A, 641, A6
Rigby, J., Perrin, M., McElwain, M., et al. 2023, PASP, 135, 048001
Robertson, B. E., Tacchella, S., Johnson, B. D., et al. 2023, NatAs, 7, 611
Rosas-Guevara, Y., Bower, R. G., Schaye, J., et al. 2016, MNRAS, 462, 190
Schechter, P. 1976, ApJ, 203, 297
Schmidt, M. 1968, ApJ, 151, 393
Scholtz, J., Maiolino, R., D’Eugenio, F., et al. 2023, arXiv:2311.18731
Sérsic, J. L. 1963, BAAA, 6, 41
Shen, X., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2020, MNRAS, 495, 3252
Silk, J., Begelman, M., Norman, C., Nusser, A., & Wyse, R. 2024, ApJL, 961, 39
Skelton, R. E., Whitaker, K. E., Momcheva, I. G., et al. 2014, ApJS, 214, 24
Steinhardt, C. L., Kokorev, V., Rusakov, V., Garcia, E., & Sneppen, A. 2023, ApJL, 951, L40
Stern, D., Eisenhardt, P., Gorjian, V., et al. 2005, ApJ, 631, 163
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., & Shen, X. 2023, MNRAS, 526, 2665
Trebitsch, M., Hutter, A., Dayal, P., et al. 2023, MNRAS, 518, 3576
Trebitsch, M., Volonteri, M., & Dubois, Y. 2019, MNRAS, 487, 819
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Valentino, F., Brammer, G., Gould, K. M. L., et al. 2023, ApJ, 947, 20
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Vito, F., Brandt, W. N., Yang, G., et al. 2018, MNRAS, 473, 2378
Volonteri, M., Reines, A. E., Atek, H., Stark, D. P., & Trebitsch, M. 2017, ApJ, 849, 155
Wang, B., Fujimoto, S., Labbe, I., et al. 2023, ApJL, 957, L34
Wang, L., Gao, F., Best, P. N., et al. 2021, A&A, 648, A8
Weaver, J. R., Cutler, S. E., Pan, R., et al. 2024, ApJS, 270, 7
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Weaver, J. R., Zalesky, L., Kokorev, V., et al. 2023, ApJS, 269, 20
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Whitaker, K. E., Labbé, I., van Dokkum, P. G., et al. 2011, ApJ, 735, 86
Wilkins, S. M., Vijayan, A. P., Lovell, C. C., et al. 2022, MNRAS, 517, 3227
Williams, C. C., Alberts, S., Ji, Z., et al. 2023a, arXiv:2311.07483
Williams, H., Kelly, P. L., Chen, W., et al. 2023b, Sci, 380, 416
Yang, G., Caputi, K. I., Papovich, C., et al. 2023, ApJL, 950, L5
Yang, J., Wang, F., Fan, X., et al. 2021, ApJ, 923, 262
Yung, L. Y. A., Somerville, R. S., Finkelstein, S. L., Popping, G., & Davé, R. 2019, MNRAS, 483, 2983
Yung, L. Y. A., Somerville, R. S., Finkelstein, S. L., et al. 2020, MNRAS, 496, 4574
Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.
Original content from this work may be used under the terms of the Creative Commons Attribution 4.0 licence. Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal citation and DOI.
IMPORTANT NOTE: You are advised to consult the publisher’s version (publisher’s PDF) if you wish to cite from
it. Please check the document version below.
Document Version
Publisher’s PDF, also known as Version of record
Publication date:
2024
Link to publication in University of Groningen/UMCG research database
Citation for published version (APA):
Kokorev, V., Caputi, K. I., Greene, J. E., Dayal, P., Trebitsch, M., Cutler, S. E., Fujimoto, S., Labbé, I., Miller, T. B., lani, E., Navarro-Carrera, R., & Rinaldi, P. (2024). A Census of Photometrically Selected Little Red Dots at in JWST Blank Fields. Astrophysical Journal, 968(1), Article 38. https://doi.org/10.3847/1538-4357/ad4265
Copyright
Other than for strictly personal use, it is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), unless the work is under an open content license (like Creative Commons).
If you believe that this document breaches copyright please contact us providing details, and we will remove access to the work immediately and investigate your claim.
A Census of Photometrically Selected Little Red Dots at in JWST Blank Fields
Vasily Kokorev (D), Karina I. Caputi (D), Jenny E. Greene (D), Pratika Dayal (D), Maxime Trebitsch (D), Sam E. Cutler (D), Seiji Fujimoto (D), Ivo Labbé (D), Tim B. Miller (D), Edoardo Iani (D), Rafael Navarro-Carrera (D), and Pierluigi Rinaldi (D) Kapteyn Astronomical Institute, University of Groningen, 9700 AV Groningen, The Netherlands; vkokorev@utexas.edu Cosmic Dawn Center (DAWN), Niels Bohr Institute, University of Copenhagen, Jagtvej 128, København N, DK-2200, Denmark Department of Astrophysical Sciences, Princeton University, 4 Ivy Lane, Princeton, NJ 08544, USA Department of Astronomy, University of Massachusetts, Amherst, MA 01003, USA Department of Astronomy, The University of Texas at Austin, Austin, TX 78712, USA Centre for Astrophysics and Supercomputing, Swinburne University of Technology, Melbourne, VIC 3122, Australia Center for Interdisciplinary Exploration and Research in Astrophysics (CIERA), Northwestern University, 1800 Sherman Ave, Evanston, IL 60201, USAReceived 2024 January 23; revised 2024 April 6; accepted 2024 April 14; published 2024 June 6
Abstract
Observations with the James Webb Space Telescope (JWST) have uncovered numerous faint active galactic nuclei (AGN) at and beyond. These objects are key to our understanding of the formation of supermassive black holes (SMBHs), their coevolution with host galaxies, as well as the role of AGN in cosmic reionization. Using photometric colors and size measurements, we perform a search for compact red objects in an array of blank deep JWST/NIRCam fields totaling . Our careful selection yields 260 reddened AGN candidates at , dominated by a point-source-like central component ( ) and displaying a dichotomy in their rest-frame colors (blue UV and red optical slopes). Quasar model fitting reveals our objects to be moderately dust-extincted ( ), which is reflected in their inferred bolometric luminosities of and fainter UV magnitudes to -22 . Thanks to the large areas explored, we extend the existing dusty AGN luminosity functions to both fainter and brighter magnitudes, estimating their number densities to be higher than for UV-selected quasars of similar magnitudes. At the same time, they constitute only a small fraction of all UV-selected galaxies at similar redshifts, but this percentage rises to for at . Finally, assuming a conservative case of accretion at the Eddington rate, we place a lower limit on the SMBH mass function at , finding it to be consistent with both theory and previous JWST observations.
Unified Astronomy Thesaurus concepts: Galaxies (573); High-redshift galaxies (734); Active galaxies (17); Active galactic nuclei (16)
1. Introduction
The remarkable sensitivity and angular resolution of the James Webb Space Telescope (JWST) at infrared wavelengths is enabling us to explore the distant Universe like never before. This allows for an exceptionally detailed examination of the characteristics of known high-z sources (e.g., Bunker et al. 2023; Maiolino et al. 2023) and, at the same time, reveals the presence of more and farther galaxies (e.g., Naidu et al. 2022; Adams et al. 2023; Atek et al. 2023; Austin et al. 2023; Bradley et al. 2023; Finkelstein et al. 2023; Robertson et al. 2023; Casey et al. 2024), some of them spectroscopically confirmed beyond (Curtis-Lake et al. 2023; Wang et al. 2023).
What truly tests our models and preconceived vision of galaxy evolution is not how early we can see these objects, but the questions they raise regarding the balance between their mass, UV luminosity, and age. The excess of high- galaxies at the bright end ( ) of the UV luminosity function (UVLF) is in tension with current theoretical frameworks (Behroozi & Silk 2015; Dayal et al. 2017; Behroozi et al. 2019, 2020; Davé et al. 2019; Yung et al. 2019, 2020; Wilkins et al. 2022; Kannan et al. 2023; Mason et al. 2023; Mauerhofer & Dayal 2023), which suggests exotic IMFs, little to no dust attenuation, or a higher than anticipated density of galaxies undergoing active galactic nuclei (AGN) phenomena (e.g., Finkelstein & Bagley 2022; Pacucci et al. 2022;
Boylan-Kolchin 2023; Ferrara et al. 2023; Fujimoto et al. 2023c; Lovell et al. 2023; Steinhardt et al. 2023; Sun et al. 2023).
Although early hints also existed in prior works (Morishita et al. 2020; Fujimoto et al. 2022; Endsley et al. 2023), one of the most intriguing discoveries from early JWST imaging is that of compact red sources with a ” -shaped” spectral energy distribution (SED)-namely, a blue UV continuum and a steep red slope in the rest-frame optical (Furtak et al. 2023a; Labbé et al. 2023a, 2023b). While the first photometric selections of these objects included spatially resolved targets that could be early massive compact galaxies (Barro et al. 2024), spectra revealed clear evidence for broad and/or emission indicative of actively accreting supermassive black holes (SMBHs; Fujimoto et al. 2023c; Killi et al. 2023; Kocevski et al. 2023; Kokorev et al. 2023a; Übler et al. 2023; Furtak et al. 2024; Greene et al. 2024; Matthee et al. 2024).
Dubbed “little red dots” (LRDs), these sources have SEDs characterized by a unique ” -shaped” continuum combined with their point-source morphology (Furtak et al. 2023a; Labbé et al. 2023a, 2023b). However, what truly makes the LRDs stand out is their high number densities. It appears that LRDs may account for a few percent of the galaxy population at and are far more numerous than the lowest-luminosity known UV-selected quasars. Likewise, they appear to account for of broadline (BL)-selected AGN at (Harikane et al. 2023; Labbé et al. 2023a; Greene et al. 2024; Maiolino et al. 2024), which is higher than the fraction of dusty red quasars at (Banerji et al. 2015; Glikman et al. 2015). These red dots are generally observed at (Labbé et al. 2023a), but can potentially be
Table 1
Properties of the Observed Fields with JWST/NIRCam Observations
Field
R.A. (deg)
Decl. (deg)
Science Area ( )
NIRCam Depths (mag)
CEERS
214.920
52.870
97.0
28.8/28.5/28.7/28.9/29.0/28.4
PRIMER-COSMOS
150.119
2.325
197.2
27.9/28.1/28.3/28.7/28.6/28.2
PRIMER-UDS
34.372
-5.210
274.6
27.6/27.8/28.0/28.3/28.4/28.0
GOODS-S
53.142
-27.798
69.7
29.6/29.6/29.5/29.8/29.6/29.3
Note. NIRCam depths: expressed as within the 0 !” 36 apertures used for the photometric extraction in the area covered by F356W/F444W.
found even at (Leung et al. 2023). However, these initial LRD studies were performed with limited spectroscopic samples and/or small areas of the sky, covering only arcmin . The numbers of compact red objects could therefore be further affected by cosmic variance, which makes it quite difficult to assess their real importance and diversity.
Extending the selection of this compact red population of low-luminosity BL AGN candidates to larger areas would thus be necessary to study their complete demographics, limiting the effects of cosmic variance. In addition, this would provide us with a sufficient level of detail toward a better understanding of the total number densities of obscured AGN at high- as well as the potential role that these sources play in cosmic reionization (e.g., see Grazian et al. 2018; Mitra et al. 2018; Dayal et al. 2020, 2024; Trebitsch et al. 2023).
In this work, we present a carefully selected sample of 260 reddened AGN candidates in the area covering some of the deepest blank extragalactic JWST fields. Examining such a large area will ensure that we are reducing the effects of cosmic variance to a minimum, while our focus on blank fields lessens the selection biases and avoids volume uncertainties arising from lensing magnification.
Throughout this work, we assume a flat CDM cosmology (e.g., Planck Collaboration et al. 2020), with , , and , and a Chabrier (2003) initial mass function (IMF) between 0.1 and . All magnitudes are expressed in the AB system (Oke 1974).
2. Observations and Data
In this work, we use JWST data from the following programs/fields-CEERS (# 1345; PI: S. Finkelstein; Bagley et al. 2023) in the Extended Groth Strip (EGS), PRIMER (# 1837; PI: J. Dunlop) in COSMOS and UDS, and GOODS-S. For GOODS-S, we combine the available data from multiple broad- and medium-band programs-FRESCO (# 1895; PI: P. Oesch; Oesch et al. 2023), JADES (# 1180, 1210, 1286, and 1287; PIs: D. Eisenstein and N. Luetzgendorf; Eisenstein et al. 2023a, 2023b), and JEMS (# 1963; PI: C. Williams; Williams et al. 2023b). We provide a general overview of these four fields in Table 1. More detailed information-including specific filters, depths, and survey designs-can be found in the overview papers for each data release.
2.1. JWST Imaging Data Reduction
We homogeneously processed all the publicly available JWST imaging obtained with the NIRCam and MIRI in a variety of public JWST fields, presented in Table 1. The images have all been reduced with the GRIZLI pipeline (Brammer 2023), using
the jwst_1084.pmap, and follow the same methodology of (multiple) previous studies (e.g., Jin et al. 2023; Kokorev et al. 2023b; Valentino et al. 2023). Compared to the standard pipeline, we incorporate additional corrections to account for cosmic rays and stray light (see, e.g., Bradley et al. 2023), noise, detector-level artifacts (“wisps” and “snowballs”), and bias in individual exposures (see, e.g., Rigby et al. 2023). For the PRIMER data, we introduce an additional procedure that alleviates the detrimental effects of the diagonal striping seen in some exposures, as was done in Valentino et al. (2023). Finally, our mosaics include the updated sky flats for all NIRCam filters. These reductions are publicly available as a part of the DAWN JWST Archive.
These data sets are further complemented by including all available optical and near-infrared (NIR) data from the Complete Hubble Archive for Galaxy Evolution (Kokorev et al. 2022). Individual JWST and Hubble Space Telescope (HST) exposures were aligned to the same astrometric reference frame by using Gaia DR3 (Gaia Collaboration et al. 2021), then coadded and drizzled (Fruchter & Hook 2002) to a pixel scale for all the JWST and HST filters.
Some of the fields we examine in this work have also been observed with MIRI, in one or more filters, sampling mostly the rest-frame NIR at . These data, however, are not uniform in the wavelength coverage, depth, and area. In fact, only about a third of the objects in the areas we examine have public MIRI data and even fewer are actually detected. While the inclusion of the MIRI photometry can assist in further identifying the presence (or absence) of dusty, power-law-like AGN components in galaxies (e.g., see Williams et al. 2023a; Yang et al. 2023), doing so appropriately within the context of a population study requires a degree of uniformity that the current MIRI data do not possess. Therefore, we have opted to exclude MIRI photometry from our current analysis to maintain consistency across various fields.
2.2. Source Extraction
The initial JWST catalog was constructed by utilizing a detection image combined from all noise-weighted “wide” (W) NIRCam long-wavelength filters available, which includes F277W, F356W, and F444W. A similar detection method has already been successfully employed in several works (see, e.g., Jin et al. 2023; Kokorev et al. 2023b; Valentino et al. 2023; Weaver et al. 2024). To extract the sources and produce a segmentation map, we used SEP (Barbary 2016), a PYTHON version of SEXTRACTOR (Bertin & Arnouts 1996). Photometry was extracted in circular apertures of increasing size.
Correction from the aperture to the “total” values was performed by using the flux_auto column output of SEP, which is equivalent to the MAG_AUTO from SEXTRACTOR, ensuring that for each source only flux belonging to its segment is taken into account. This method has been shown to apply to both point-like and extended objects (Weaver et al. 2022, 2023), so we believe it to be adequate for our sources.
Additionally, we introduce a correction to account for the missing flux outside the Kron aperture (Kron 1980), by utilizing a method similar to the one used in Whitaker et al. (2011) and Weaver et al. (2024). In short, this procedure involves computing the fraction of the missing light outside the circularized Kron radius by analyzing curves of growth of the point-spread functions (PSFs), which were obtained empirically, by stacking stars in these various fields. This correction is then applied to the flux_auto values for each source. However, since our work focuses on compact (sub-NIRCamPSF size) AGN candidates, this additional correction does not strongly influence the derived flux densities. For the same reason, we use the total fluxes, computed from !” 36 apertures, unless specified otherwise.
3. Identifying Compact Red Objects
The data from CEERS, PRIMER, and various programs covering GOODS-S are well suited for a photometric search for compact obscured AGN candidates. The available HST and JWST photometry covers a complete wavelength range from 0.4 to , in at least seven broad and medium bands, reaching a median depth of 28.3 AB mag in the F 444 W filter (Table 1). In our search, we explore blank fields covering a large area of , which are also completely independent. In return, this will significantly limit the impact of cosmic variance and enable us to avoid dealing with the cosmic volume uncertainties introduced by the lensing magnification.
3.1. Color and Morphology Selection
Recently, Labbé et al. (2023a) published a large sample of photometrically identified compact red sources from the Cycle 1 JWST UNCOVER program (PIs: I. Labbé and R. Bezanson; Bezanson et al. 2022). The subsequent follow-up of 17 such objects with NIRSPec/Micro-Shutter Assembly (MSA) PRISM has resulted in a remarkable success rate of , with 14 of 17 photometrically selected targets confirmed as BL AGN at (Greene et al. 2024) and 3 of 17 as brown dwarfs (Burgasser et al. 2024). In brief, the color cuts introduced in Labbé et al. (2023a) are designed to catch the break between the red continuum slope in the rest-frame optical and the blue restUV emission ( ). This color selection requires the red continuum slope to be rising in more than one adjacent filter pair, to avoid selecting galaxies with strong emission lines. Indeed, the currently available spectra of LRDs (e.g., Fujimoto et al. 2023c; Kocevski et al. 2023; Kokorev et al. 2023a; Furtak et al. 2024; Greene et al. 2024; Matthee et al. 2024) display a remarkable dichotomy in their observed spectral shapes. In particular, the SEDs at (1000-2000 rest) are blue ( ) and red ( ) at (3100-5200 rest). As such, we keep the Labbé et al. (2023a) color criteria largely unchanged, only introducing some further adjustments based on the UNCOVER spectra of LRDs, namely to limit the contamination of our sample by brown dwarfs, as was suggested in Greene et al. (2024).
Colors alone would end up selecting both LRDs and extended red galaxies (see, e.g., Labbé et al. 2023a; Williams et al. 2023a, 2023b), so we introduce a further “compactness” cut to only select sources with high central flux concentration. To do that, we use the ratio between the total flux in F444W between and apertures. Since roughly of the LRD candidates followed up with NIRSpec turned out to be brown dwarfs (Burgasser et al. 2024), we would also like to minimize the incidence of these objects in our sample. To do that, we adopt the brown dwarf removal criterion from Greene et al. (2024), based on the LRD spectra from NIRSPec/ MSA. Finally, we also require our sources to be significantly ( ) detected in F 444 W and to be brighter than 27.7 AB mags, to be consistent with the UNCOVER selection. The imposed color cuts are then:
or
which are effectively selecting our low- ( ) and high redshift samples, respectively. The compactness is given by
To limit the number of brown dwarfs in the sample, we also adopt
The final selection then becomes (red red 2 ) & compact & bd_removal. Applying the color criteria also means that every object has to be detected ( ) in at least one band per color to make the selection meaningful. In the case of a nondetection, we use the upper limits, but only if the “brighter” band in the color is detected. Out of objects covering the four fields of interest, we end up selecting 334. Most importantly, we note that no information about photometric redshifts and underlying galaxy/AGN SEDs is used at this stage, to avoid being biased by models. We discuss our photometric redshift estimate and its agreement with spec-z for subsamples in the next subsection.
3.2. Size Measurements
While the compactness cut alone already successfully manages to select PSF-dominated point sources, we would like to provide a further fine-tuning to provide a fully quantitative rather than qualitative assessment. To do that, we fit our sources with PYSERSIC (Pasha & Miller 2023) in the F444W band. The primary goal of this is to ensure that the source is dominated by the PSF component in the reddest, least-dust-obscured band, as was done in Labbé et al. (2023a). We focus on the F444W band for this analysis, as the galactic origin of the rest-UV cannot be ruled out with current photometric (or even spectroscopic) observations. Moreover, if an object is dominated by a single star-forming region, it could appear compact in rest-UV bands, but still be extended in
the redder filters, making the F444W band the most physically constraining for our type of study.
Taking the PSF into account is imperative when measuring the sizes of unresolved objects. We generate our F444W PSFs empirically for each field by following the methodology described in Skelton et al. (2014), Whitaker et al. (2019), and Weaver et al. (2024). In brief, we identify nonsaturated stars in every field by considering objects on the stellar locus that are brighter than 24 AB mag and extract these candidates in stamps. These stamps are then centered and normalized to unity. The final PSFs are derived by averaging the weighted stamps, and they are then normalized to match the enclosed energies of the expected JWST calibration levels within diameter apertures. For more details, see the appendix in Weaver et al. (2024).
The light is modeled with a single Sérsic (Sérsic 1963) profile, with the center, brightness, effective radius, Sérsic index, and axis ratio as free parameters. The prior for the index is uniform between 0.65 and 6 , and the effective radius is uniform between 0.25 and 5 pixels ( ). For each source, we create a square cutout ( 75 pixels by 75 pixels) and mask any additional sources within the stamp. Parameter values and uncertainties are calculated using the Laplace approximation, assuming that the posterior is Gaussian. We exclude fits where the resulting per pixel is greater than 2 or the best-fit flux differs from the catalog value by more than 2 AB mag. This excludes 15 sources from our sample, which by visual inspection we find are untrustworthy due to contamination from bright nearby objects.
A source can be considered to be point-like if its effective radius in the F444W band is lower than the empirical PSF FWHM ( ). It appears that our compact criterion is extremely effective at identifying PSF-like objects, as none of the 319 of 334 sources with reliable fits exceed a diameter of 0 ” 08 , when considering the size upper limits, corroborating the effectiveness of the compactness criterion described in Section 3. After carefully considering both colors and morphology when selecting our sample of AGN candidates, we are now able to proceed directly to the SED fitting.
3.3. Photometric Redshifts
To calculate photometric redshifts ( ) for our objects, we use the PYTHON version of EAZY (Brammer et al. 2008). We choose the BLUE_SFHZ_13 model subset that contains redshift-dependent star formation histories (SFHs) and dust attenuation values. More specifically, the linear combinations of log-normal SFHs included in the template set are not allowed to exceed redshifts that start earlier than the age of the Universe (for more details, see Blanton & Roweis 2007). These models are further complemented by a blue galaxy template, derived from a JWST spectrum of a galaxy with extreme line equivalent widths (EWs; ID4590; Carnall et al. 2023).
While it might seem counterintuitive to use galaxy templates for what we believe to be AGN candidates, similar efforts presented in Labbé et al. (2023a) report a good agreement between deriving with stellar templates alone, as opposed to stellar +AGN models, finding a very good agreement
between the two. This is not surprising, as when it comes to photometric redshift fitting, the key deciding factors are the positions of the Lyman ( ) and Balmer ( ) breaks.
For the LRDs, a general absence of significant stellar contribution in the rest-frame optical (e.g., Greene et al. 2024) would result in the lack of a noticeable Balmer break, although the trough of the ” shape” in the rest-frame SEDs of observed LRDs is also located at roughly (e.g., Kokorev et al. 2023a; Furtak et al. 2024). Indeed the existence of such a feature in LRDs has resulted in their misidentification as dusty star-forming galaxies, leading to stellar mass estimates that are in tension with , if all the light is attributed to star formation alone (e.g., see the discussions in Boylan-Kolchin 2023; Kocevski et al. 2023; Labbé et al. 2023b; Steinhardt et al. 2023).
Spectroscopic follow-up of red compact objects hosting AGN BL emission has in fact shown a remarkable agreement between the derived with EAZY (or similar routines) and . For example, in GOODS-S, Matthee et al. (2024) report an average , and UNCOVER LRDs presented in Greene et al. (2024) have shown . A similar consistency was also found between the initial photometric source selection and final spectra in the JADES and CEERS fields (Kocevski et al. 2023; Andika et al. 2024; Maiolino et al. 2024). As such, we consider that utilizing EAZY to derive redshifts is adequate for our sample.
We fit all the available photometry and upper limits from the HST/F435W ( ) to JWST/F444W ( ) filters for our sample of 319 LRDs, limiting the redshift grid between . From the best-fit EAZY SEDs, we only derive photometric redshifts, delegating the estimation of the physical parameters to a different template set discussed in the next section. The uncertainties on the photometric redshift are computed from the 16th and 84th percentiles of the redshift probability distributions-p(z). The availability of HST photometry allows us to securely constrain the presence of the Lyman break, either through diminishing flux, where a given filter overlaps with the break, or via upper limits, for of the sources in our sample. Notably, however, the presence of the Lyman break is not required to securely constrain the redshift for high-z LRDs, as the break in the optical part of the SED already places these objects in a unique color-color space, as initially shown in Labbé et al. (2023a) and then further confirmed in Greene et al. (2024). In addition, access to at least one NIRCam medium band further enhances the redshift quality by allowing us to identify the emission lines in broadband photometry. As a result, none of our objects have double-peaked redshift solutions. Despite that, since our sample is still only identified photometrically, appropriately taking into account uncertainties is crucial when deriving the physical parameters and luminosity functions in the upcoming sections.
3.4. Quasar Template Fitting
While the origin of the rest-frame UV light in LRDs remains elusive, growing samples of JWST spectra consistently show either a complete absence of or a lack of a significant contribution from the host galaxy to the total flux in the restframe optical ( ; Kokorev et al. 2023a; Furtak et al. 2024; Greene et al. 2024). This is generally evidenced by comparing the expected from broad Balmer series lines
(generally and/or ) to the observed values. For example, Greene et al. (2024) find that -derived and observed agree within a factor of 2 for the objects that have PRISM coverage. Supporting this, Furtak et al. (2024) and Kokorev et al. (2023a) also find that BH masses derived via broad line luminosities and continua are identical, given the scatter of the relations derived from AGN reverberation mapping (see, e.g., Kaspi et al. 2000; Greene & Ho 2005), hinting at negligible stellar components. Furthermore, none of the currently known spectroscopically confirmed LRDs in A2744 are detected by the Atacama Large Millimeter/ submillimeter Array (ALMA) at 1.2 mm down to , which strongly limits the contribution of obscured star formation (see, e.g., Labbé et al. 2013, 2023a), unless the dust is either very cold, very hot, or diffuse. Indeed, when both JWST data and ALMA upper limits (Fujimoto et al. 2023a, 2023b) are considered in a joint galaxy template fitting for the objects described in Kokorev et al. (2023a) and Furtak et al. (2024), the contribution of the galaxy model to the total rest-frame optical light is negligible. Finally, robust measurements of effective radii for all UNCOVER LRDs, while also taking into account the empirically derived PSFs (see Weaver et al. 2024), find no strong evidence for extended emission associated with the host galaxy in the F444W band.
Unfortunately, a lack of deep and uniform ALMA coverage for our objects prevents us from carrying out joint AGN + galaxy template fitting to ascertain the amount of AGN contribution to the optical SED. While it is possible to do it with only JWST photometry, such a fit would be too degenerate, given the available number of bands and the number of models required. However, the objects in our work were specifically selected with the color and compactness criteria largely mirroring those used to identify BL AGN in UNCOVER. It is reasonable therefore to assume that given similarly red ( at rest) slopes, the restoptical continuum in our sources is also dominated by AGN light.
In terms of luminosity, the dust-obscured component is dominating the light from LRDs and must be substantially attenuated ( ) in order to fit the observed red slope. Given that, the rest-UV light should not be visible at all ( ). From our photometry, however, we see that while the blue component is weak (only a few percent of the red component), it is not reddened. This emission can be interpreted as either scattered light from the AGN itself or the host galaxy (see the discussions in Labbé et al. 2023a; Greene et al. 2024). However, even when spectra are available (Greene et al. 2024), given the similarities between the UV slopes of quasars and young star-forming galaxies, these two models are equally good representations of the observed light. Our available data also do not allow us to make a clear distinction between these two possibilities, therefore, to avoid overinterpreting the origins of the rest-UV emission, we will assume the scattered-light-only (unreddened) template in our modeling. We caution the reader that as a result of the unknown origin of the blue light, the rest-UV properties derived in this paper do not necessarily represent the physical conditions of the potential AGN our LRDs might host. Due to the aforementioned similarity between the UV slopes in quasars and SFGs, the values derived from both galaxy and quasar fits are thus nearly identical.
Following the galaxy-only fits presented in Section 3.3 and keeping the above considerations in mind, we now would like to explore an AGN-only scenario, where we model the observed light with a two-component AGN model. The first one is the empirical model based on a composite of 2200 Sloan Digital Sky Survey (SDSS) quasar spectra (Vanden Berk et al. 2001), and the second is derived from 27 NIR quasar spectra of Glikman et al. (2006). We then combine and renormalize both templates, allowing us to cover the full range from rest-UV to the NIR.
The same approach has already been successfully employed in Labbé et al. (2023a) for a photometrically selected sample of red dots, and then later for PRISM spectra of 14 such objects in Greene et al. (2024) and Kokorev et al. (2023a). We fit the unreddened AGN component together with the Small Magellanic Cloud law (Gordon et al. 2003) attenuated ( ) version of the same composite template. With the photometric redshift being fixed, we are fitting for a total of three free parameters.
We find the AGN-only fits to be a marginally better representation of the observed photometry, when compared to galaxy-only EAZY fits, with for the former and for the latter, with a difference of approximately . Similar findings were also presented in Labbé et al. (2023a), even without ALMA photometry, and Barro et al. (2024), where no significant difference exists between dusty star formation and reddened AGN models.
3.5. Extreme EW of Emission Lines
Before focusing on the final sample of reddened AGN candidates, we would like to conduct one final test that concerns the potential presence of strong emission lines, particularly in the spectra of LRDs. The empirical quasar templates presented in Vanden Berk et al. (2001), which we used to fit our objects, generally contain bright AGN with a rest-frame . Conversely, the recent literature results that analyze LRD spectra (Killi et al. 2023; Matthee et al. 2024) have found that the EW of can reach and even exceed . Such strong emission lines can contribute to the flux observed in the medium- and even broadband JWST filters in a non-negligible way, making the observed colors redder. In return, if such strong emission lines are not present in the templates, the value of the , and subsequently other physical properties dependent on it (e.g., ), can be overestimated.
To test the significance of this effect, we do the following. Starting with the original combined Vanden Berk et al. (2001) and Glikman et al. (2006) template sets, we isolate the regions that cover the III and lines and use a spline function to fit the continuum, while masking out the regions containing line complexes. While doing this, we successfully verify that the measured rest-frame EW of these lines is exactly as the one reported in Vanden Berk et al. (2001). Finally, we uniformly boost the continuum-subtracted spectrum to a point where the EW of the line measures at , and add back the continuum. We then refit all of our sources, following the same considerations as described in Section 3.4.
Using models with boosted emission-line strengths, we indeed find the best-fit values to be systematically lower, albeit only by , on average, compared to the original templates. This offset is well within our quoted uncertainty on
the from the SED fitting. We thus conclude that even if some of our AGN candidates indeed contained very high-EW emission lines, the physical properties derived with the original Vanden Berk et al. (2001) template set should still remain valid. Despite being small, this offset is systematic, so we still incorporate it into our uncertainties when computing the number densities in the subsequent sections.
3.6. Final Sample of LRDs
Following the initial object selection and SED fitting, we are now in a position to define our final sample of LRDs. The primary goal of this work is to explore the photometrically selected dusty AGN candidates in the high-z Universe, compare these results to robust samples of spectroscopically identified BL AGN, and potentially extend these examinations to fainter UV magnitudes and bolometric luminosities. The accurate determination of these parameters is contingent upon good coverage of the spectral break between the blue and red components at . This is crucial to confirm that the selected objects indeed exhibit the characteristic features of LRDs. Furthermore, a thorough sampling of the rest-frame UV around is essential to accurately derive , and the rest-frame optical continuum is needed for determining the bolometric luminosity- . With the exception of CEERS, all of our fields benefit from full NIRCam filter coverage, spanning from F090W to F444W, which will cover the rest-frame UV at . On the other hand, CEERS has extremely deep ( mag at ) HST/Advanced Camera for Surveys F814W coverage instead, which will also allow us to adequately compute at in the same redshift range. We thus limit our exploration only to objects that have . To do that, we take into account the and ensure that the 16th percentile, rather than just the median of the , lies above our redshift threshold (e.g., see Valentino et al. 2023). This final selection leaves us with a total of 260 red dots. In Figure 1 we present an overview of our sample selection as well as example SED fits.
3.7. Physical Parameters
The physical sizes of the objects in our final sample are extremely compact, with a median effective radius of ( upper limit). This is much smaller when compared to the typical rest-optical sizes of star-forming galaxies measured at (e.g., see Kartaltepe et al. 2023; Ormerod et al. 2024), but is similar to the extremely compact red objects presented in Labbé et al. (2023a, 2023b) and Baggen et al. (2023) and the LRDs spectroscopically confirmed as BL AGN (Kokorev et al. 2023a; Furtak et al. 2024). Curiously, the dusty galaxies at explored in Akins et al. (2023) also show the lack of an extended bright component ( ), similar to LRDs. Although not as faint or centrally concentrated as our objects or other LRDs at these redshifts, some of these similarities might imply that these dusty objects can act as potential AGN hosts.
Using the standard relations with the scatter presented in Greene & Ho (2005), and taking into account our best-fit ( ), we derive the from the 5100 A continuum, measured directly from the best-fit SEDs. While this is not ideal, and assumes that the red continuum is AGNdominated, the SED model-dependent values represent our best guess for the intrinsic AGN luminosities. The inferred bolometric luminosities for the compact red objects from our
sample thus range from to . This range is slightly brighter than that derived in Labbé et al. (2023a), as we are not including any lensed fields, and is thus likely to fail to detect intrinsically fainter LRDs. We show the dust-corrected and observed values in Figure 2.
In Figure 3, we explore how the observed values of our LRDs compare to the expectations derived from the dustcorrected bolometric luminosity (Shen et al. 2020). Given our median , we expect the UV extinction to be large, with , but what we find is (similar to, e.g., Greene et al. 2024; Maiolino et al. 2024; Matthee et al. 2024), a difference of more than 6 magnitudes. Adding to this, the shape of the rest-UV spectrum, while faint, does not hint at any dust extinction. This suggests that a second component, different from a reddened AGN spectrum, is present in LRDs, although with our current data its origin cannot be determined.
The final table-which contains photometry, sizes, and the physical parameters we derive for our sample-is available in full online. We show an excerpt of the full table in the Appendix.
4. The Number Density of Compact Red Sources
4.1. Estimating Effective Volumes
One of the key motivations for our work is to conduct an unbiased search for LRDs in some of the deepest blank fields observed with JWST. Our goal is to extend the existing luminosity functions that have been deduced from spectroscopic samples to a larger sample covering a wider area. By applying the color and size criteria that have been adopted in recent LRD studies, such as those discussed in Greene et al. (2024) and Labbé et al. (2023a), we aim to exploit the large areas in our blank fields to get better statistics, particularly at the bright and faint ends. This approach should allow us to examine how much these objects contribute to the observed and number densities. However, as we are working with a photometrically selected sample, our analysis will be focused on the aggregate characteristics of the LRDs, rather than on detailed examinations of individual objects.
Focusing only on the blank fields allows us to estimate the effective volumes for our objects in a rather simple way. In order to measure the observed number densities of our sample, we follow the standard method (Schmidt 1968). The estimator has the advantage of simplicity and does not require prior assumptions on the functional form for the luminosity distribution, which is ideal for LRDs, since their intrinsic luminosity/mass distributions are unknown. To compute the number density for some property- -we can then say
where is the width of the bin and is the maximum volume over which a source can be detected. In return, depends on the effective survey area ( ), the lower redshift bin boundary ( ), and the maximum observable redshift ( ). The latter is computed empirically from the detection limits of the survey, given the selection criteria, and cannot exceed the maximum redshift of the bin.
Figure 1. Selection and analysis of LRD candidates. Top: sample selection criteria. The left and central panels show modified “red 1” ( ) and “red 2” ( ) color-color cuts from Labbé et al. (2023a). The right panel shows the compactness cut of our sample. The selected objects are highlighted as maroon circles, while the grayscale hexbins show the full catalog. The compact red sources are clear outliers in the color-color-compactness space. The color bar is shared between all plots. Bottom: an example of best-fit SEDs to the photometry of LRD candidates with the dust-free (blue) and dusty (red) AGN templates (Vanden Berk et al. 2001; Glikman et al. 2006) at representative redshifts of and . The combined model is shown in black. Detections ( ) are shown as red circles, while upper limits (primarily from HST) are shown as downward arrows. On the right of each SED, we show color composite cutouts in the short (F115W/F150W/F200W) and long (F277W/F356W/F444W) NIRCam filters.
We obtain the total survey areas by adding up all the nonmasked pixels in our detection images, as presented in Table 1. Given how bright we require our objects to be ( mags at ), it might seem that would always exceed the maximum redshift of the bin, but this does not take into account the fact that our objects have to be detected in at least four bands (at ) to make color selection robust. We choose to remain conservative with our volume corrections, by only requiring one band per color combination to be detected. The values for each object are then estimated by considering our color selection laid out in Section 3. The uncertainties on our number densities are then derived in the following way. We consider the standard errors arising from Poisson statistics and compute them as prescribed in Gehrels (1986). Given that we only consider a photometric sample in our work, the uncertainty on the photometric redshift has to be taken into account appropriately in order to derive realistic errors on the physical parameters and number densities. To do that, we follow the approach described in Marchesini et al. (2009). Briefly,
for each object, we use Monte Carlo simulations to determine whether the objects fall into the redshift bin by considering their . The final uncertainties are then a quadrature sum of the Poisson and errors.
Accounting for magnitude incompleteness effects as it is normally done for galaxy luminosity functions is not possible in our case, since it relies on making assumptions regarding the intrinsic source distributions. However, as Labbé et al. (2023a) already note, the requirement for objects to be bright in the detection band should lessen, but not eliminate altogether, the effect of magnitude incompleteness. Given that our sources are compact, we also expect that all of them will be detected above the brightness limit, diminishing the need to consider the incompleteness as a function of surface brightness. Despite the complex selection function, it is still possible to define a limit beyond which the derived number densities, for the observed quantities, are expected to become incomplete. We will discuss this in the next sections.
Figure 2. Top: distribution of assuming an AGN-dominated rest-frame optical continuum, with best-fit dust correction applied. Our compact sources span a wide range of luminosities across the redshift range of interest. We contrast our results with BL AGN from Greene et al. (2024; blue squares) and Matthee et al. (2024; orange circles), quasars from Yang et al. (2021; gray crosses), high-z AGN from Maiolino et al. (2024; magenta circles), and finally objects hosting Type 2 AGN from Scholtz et al. (2023; light blue circles). Assuming , we show what would correspond to (dashed lines). Bottom: the same as before, but we show the distribution of without correcting for the best-fit dust attenuation. Our final sample has a median . On the side of each panel, we also show histograms highlighting the redshift and distributions.
4.2.
In Figure 4, we present the UVLFs in two redshift bins, at and , derived from the continuum luminosity at rest frame , as normally done for blue quasars. We list the number counts alongside the uncertainties in Table 2. The widths of our redshift bins were chosen to best align with the current literature results, for ease of comparison, as well as to ensure that the photometric redshift uncertainties have a minimal impact on the luminosity functions.
At , we find that the number densities of our red-colorselected AGN are dex higher compared to the UV-selected quasars at similar magnitudes, depending on the extrapolation (Niida et al. 2020). As an upper limit on the number density of quasars at , we also compare to the results presented in Kulkarni et al. (2019), which combine both UV-bright quasars ( ) and UV-faint X-ray-detected AGN (Giallongo et al. 2019) in their UVLFs.
Before comparing to current observational results (Kocevski et al. 2023; Greene et al. 2024; Matthee et al. 2024), we note that it is difficult to accurately define the selection function for spectroscopically observed samples and therefore derive the corrections. As such, the number densities computed in
Figure 3. Observed compared to the expected from the dustcorrected . We derive the expected values by following the relation from Shen et al. (2020). We also show the data for red dots from Greene et al. (2024; blue squares) and Matthee et al. (2024; orange circles), as well as BL AGN at from Maiolino et al. (2024; gray triangles). The gray dotted line shows the relation. The observed we derive is fainter than the expected value, with varying from to 4.2 . While extreme, the UV attenuation is more than 5 magnitudes smaller when compared to the values expected given our best-fit .
these works should be treated as lower limits. In our case, the sample is selected via photometry and we derive our correction based on the selection criteria alone. This is done to avoid significantly overestimating the number counts, thus misrepresenting the true abundance of the red dots. It is also unlikely that this difference is a result of brown dwarfs contaminating our sample here, since we introduce an additional color cut from Greene et al. (2024), based on the spectra from Burgasser et al. (2024).
Taking the uncertainties into account, we find that our UV number counts are consistent with JWST-selected red BL AGN samples (Labbé et al. 2023a; Greene et al. 2024; Matthee et al. 2024), at least at and brighter. Confirming the initial findings for the UNCOVER red dots presented in Greene et al. (2024) and Labbé et al. (2023a), we also find that our sample accounts for of the total BL AGN populations at high-z (Harikane et al. 2023; Maiolino et al. 2024) and is largely comparable to the X-ray-selected quasars from Giallongo et al. (2019), although in the case of the latter we infer higher number densities at fainter UV magnitudes. However, it is worth noting that differences between the resolution of Chandra X-ray data and optical light from HST can lead to uncertainties when associating X-ray emission to the galaxies being present in the same patch of the sky. Curiously enough, the recovered scarcity of compact red sources compared to galaxies is in stark contrast to the density of Type 2 AGN hosts inferred from the recent JADES spectra (Scholtz et al. 2023), which report as much as a contribution to the galaxy luminosity functions at .
When moving to the , the results for the UVLF at both bright and faint luminosities are inconclusive, due to the limited number of objects and the uncertainty on the photometric redshifts. However, we are again consistent with the number densities of the UNCOVER BL AGN from Greene et al. (2024). Comparing to the luminosity functions of
Figure 4. The UVLF for the LRDs in our sample in the (left) and (right) bins (blue), derived from the observed rest-UV light. The upper limits are shown by downward-pointing arrows. The dashed red line and the shaded area correspond to our best-fit Schechter function and its confidence interval, respectively. The vertical maroon lines highlight the completeness limit calculated from the average depth of the F814W/F090W bands. We compare our derived number densities to the luminosity functions of the Lyman-break galaxies from Bouwens et al. (2021; solid blue line), the extrapolated quasar UVLF relations from Niida et al. (2020) at , as well as an upper bound provided by Kulkarni et al. (2019; green lines). At , in green, we show the UVLF derived from bright quasars from Matsuoka et al. (2023). We highlight the spectroscopically identified LRDs from Greene et al. (2024; blue squares), Matthee et al. (2024; orange circles) and Kocevski et al. (2023; blue pentagon). Furthermore, we show the densities of BL AGN quasars from Maiolino et al. (2024; gray triangles) and Harikane et al. (2023; open squares). The green stars show the UV number densities of the X-ray-detected quasars at from Giallongo et al. (2019). Finally, the light blue octagons represent the UVLFs derived for galaxies hosting Type 2 AGN from Scholtz et al. (2023). We offset some of the literature points by dex horizontally for visualization purposes. Note that our measured UV luminosities do not decompose the AGN emission from the potential galaxy light.
UV-selected quasars from Matsuoka et al. (2023) at , and extrapolating to fainter magnitudes, we find a dex offset between the number densities at , roughly a factor of 10 larger than in the lower redshift bin. Alongside our UVLF, we also highlight the median completeness limits. These are derived by considering the depths of the filters covering the rest frame at a given redshift, and whether a source of a given would be detected at signal-to-noise ratio . As such, we should be complete down to at and at .
Following Bouwens et al. (2015), we fit our observed UV number densities with a Schechter (1976) function, allowing all parameters to be free. We only fit data brighter than at and at , as our number densities indicate that we are likely becoming incomplete at such faint magnitudes. The best fit is shown in Figure 4 and the parameters are listed in Table 3. In both redshift bins, we find that our red compact objects constitute roughly of the total star-forming galaxy populations (Bouwens et al. 2021), consistent with the spectroscopic samples of red dots (Greene et al. 2024). We also report shallower faint-end slopes compared to star-forming galaxies, although it is likely that the observed flattening of the UVLF for LRDs is induced by the incompleteness of our sample at fainter UV magnitudes, rather than any lack of compact red sources at fainter UV magnitudes. Deeper surveys would be required to robustly constrain the faint-end slope of the LRDs. It appears that the LRD luminosities start to become comparable to or even outshine galaxies at brighter ( ) magnitudes, which is particularly prominent in the bin. This might be an expected consequence of the assembly of increasingly massive BHs with cosmic time (e.g., see Piana et al. 2022) or selection effects (see Volonteri et al. 2017), but we note that our number counts for the brightest
objects are uncertain due to the limited amount of detections available.
Provided that our color and morphology selection is comparably successful at identifying reddened AGN as previously shown (Labbé et al. 2023a; Greene et al. 2024), it appears that the compact red sources identified in blank JWST fields are dex more numerous compared to the pre-JWST studies of known UV-selected faint quasars ( ). While this trend has been consistently reemerging in the new JWST results (e.g., Kokorev et al. 2023a; Pacucci et al. 2023; Furtak et al. 2024; Maiolino et al. 2024), it is worth noting that earlier works have already hinted that the number density of UV-faint, dusty, active BHs could have been much higher than previously thought (Laporte et al. 2017; Morishita et al. 2020; Fujimoto et al. 2022). For example, both Fujimoto et al. (2022) and Morishita et al. (2020) find that the less luminous red quasar population could be anywhere from 10 to 100 times more common at , compared to quasar luminosity functions at , constructed from ground-based data sets (e.g., Matsuoka et al. 2018; Kato et al. 2020; Niida et al. 2020). The results of this work, together with the recent efforts to study compact red sources, therefore imply that these faint quasar populations, missed by previous surveys, are now being uncovered by the deep and rich multiwavelength photometry and spectra from JWST. It is also important to highlight that if we extrapolate our UVLF to brighter magnitudes, the number density of LRDs becomes comparable to and then drops below the density of UV-selected quasars. Currently, however, it is not possible to speculate whether this is a real physical effect or simply a consequence of insufficient volumes sampled.
4.3. Bolometric Luminosity Function
Our SED fitting results show that the fraction of the UV light contributing to the total luminosity is small, as a result of
Table 2
Bolometric and UV ( ) LFs, as Well as an SMBH Mass Function, for Our Sample of LRDs
UV Luminosity
[ABmag]
-17.0
19
-18.0
68
-19.0
53
-20.0
21
-21.0
2
-22.0
1
< – 6.52
-17.0
5
-18.0
23
-19.0
29
-20.0
9
-21.0
2
-22.0
1
< – 6.42
Bolometric Luminosity
44.0
46
45.0
93
46.0
26
47.0
1
<-5.62
44.0
1
>-5.48
45.0
14
46.0
33
47.0
9
BH Mass ( )
6.0
39
6.5
44
7.0
40
7.5
21
8.0
2
8.5
1
Table 3
Best-fit Schechter Parameters for the Rest-frame UVLF at , across Blank JWST Fields
5
7
significant dust reddening ( ) in these objects. Even with spectra in hand (e.g., Greene et al. 2024), it is not easy to establish the origins of the rest-UV light, which could be AGN light, either scattered or transmitted through patchy dust clouds, or unobscured light from star formation in the host
galaxy. As such, while we put our LRDs in the context of their observed UV luminosities, this does not explicitly describe the physics of the potential AGN these compact objects host. Due to that, and also to carry out a comparison with existing spectroscopic bolometric luminosity functions of dusty BL AGN, we also present bolometric luminosity functions in Figure 5 and Table 2. While dust attenuation, estimated from SED fitting, can be an important source of uncertainty, we note that even if all our values were grossly overestimated, this would only change the dust-corrected by a factor of , given the average . This would thus only impact the number densities by on average, which is insignificant when compared to the Poisson and errors. Finally, to account for the potential presence of emission lines with high EW, we incorporate the additional systematic shift in and apply it to the uncertainties on the .
Understanding where the bolometric luminosity functions start to become incomplete is less straightforward compared to the observed quantities like , as the former also rely on dust correction derived via SED modeling and the assumptions made regarding the AGN contribution to the rest-frame optical emission. For this reason, we do not define a completeness cut, like we do for , but for each bin of bolometric luminosity with a width of 1 dex, we also compute the correction, as described in Section 4.1.
Our number densities again confirm that the red compact AGN candidates are roughly 100 times more abundant compared to the UV-selected AGN at similar intrinsic luminosities (Shen et al. 2020) at . The number densities that we recover are comparable to the previous results for these objects derived in Greene et al. (2024), Labbé et al. (2023a), and Matthee et al. (2024) for . Curiously, however, we find a factor of 10 more LRDs compared to Greene et al. (2024) at . Nominally, the median NIRSpec depth at of the UNCOVER follow-up of A2744 is shallower compared to the fields we examine; as such, it is perhaps unsurprising that we can recover a large fraction of intrinsically faint objects. However, since the is not an observed quantity and depends on SED modeling to calculate the dust correction, it is difficult to ascertain whether the higher number densities we recover are indeed caused by the depth difference or simply the bias caused by the spectroscopic-only sample selection and lensed volumes in UNCOVER. Moreover, the mask design of the UNCOVER NIRSpec observations in the A2744 field was also driven by optimizing the MSA coverage to include other targets of interest and was not just limited to LRDs. This, in return, induces selection effects that would not be possible to trace back and correct for.
We additionally compare our bolometric luminosity function to the latest version of the semi-analytic DELPHI models (Dayal et al. 2019, 2024). In brief, these models follow the seeding and growth of BHs from down to . Included are also all the key processes of the merger- and accretion-driven assembly of dark matter halos and their baryonic components (including BHs). The model also follows star formation and BH growth and their respective feedbacks in determining the assembly of these early systems. Finally, DELPHI models also include key dust processes to yield dust-to-stellar mass ratios, with a baseline constructed against the latest ALMA observations (Dayal et al. 2022; Mauerhofer & Dayal 2023). All of this was specifically done to ensure DELPHI can reproduce both the
Figure 5. Bolometric luminosity functions in the (left) and (right) bins, derived from , assuming the rest-frame optical continuum is AGN-dominated. The number densities have been – and completeness-corrected. The uncertainties are derived from Poisson noise (Gehrels 1986). The arrows show the upper limits on the derived number densities. The blue squares show the upper limits derived for spectroscopically confirmed LRDs in the UNCOVER data from Greene et al. (2024). In addition, in the lowest-redshift bin, we show the NIRCam grism result of Matthee et al. (2024; open circle). The dashed lines show the pre-JWST relation derived in Shen et al. (2020). Finally, the blue lines show the luminosity function from the Delphi semi-analytic models (Dayal et al. 2019) that grow SMBHs from seeds.
intrinsically faint and reddened sources in the recent literature, i.e., the LRDs.
We find that while our observations are comparable to DELPHI results at at , these models fail to reproduce the high number density of bright objects we report. At , on the other hand, our densities consistently fall 1 dex below DELPHI predictions. This, in return, could suggest that the fraction of dusty AGN is diminishing toward later times, as they potentially transition to unobscured quasars (Fu et al. 2017; Fujimoto et al. 2022).
Finally, we also see a higher prevalence of intrinsically brighter objects at , which is a likely consequence of the larger volumes sampled in our analysis. As already mentioned in Greene et al. (2024), however, it is worth noting that the uncertainties on the relation, dust correction, and assuming that these objects are dominated by AGN light at the rest-frame optical could cause objects to scatter upward into the high-luminosity bins. We only recover a single object above at and below at , respectively. As this is insufficient to properly compute the luminosity functions, these are shown as upper (lower) limits in Figure 5, derived by combining the Poisson (Gehrels 1986) and photo-z (Marchesini et al. 2009) uncertainties.
4.4. The SMBH Mass Function
With the data we have obtained, we will now derive and describe the measurement for the SMBH mass function that our compact objects potentially host. Computing the mass of the central BH generally requires knowledge of the width of the broad lines (e.g., in rest-optical, or Mg II in rest-UV), coupled with the luminosity of their broad components or the luminosity derived from the AGN continuum at (see, e.g., Kaspi et al. 2000; Greene & Ho 2005).
While the secure determination of the BH mass in our compact objects is not possible, due to the photometric nature
of the sample, we can still place a lower limit on the BH masses ( ) by making a set of conservative assumptions. To do that, we adopt a scenario where all our AGN candidates accrete at the Eddington rate (the physical limit at which outward radiation pressure balances inward gravitational force), such that , where is directly proportional to . While in the literature, the Eddington rate ( ) for confirmed AGN in LRDs was found to vary between and (Kokorev et al. 2023a; Furtak et al. 2024; Greene et al. 2024), we would like to remain conservative and compute a lower limit on the . It is also worth noting that, given this range of in the literature, this is still small compared to other sources of uncertainty in our work.
We calculate the directly from the dust-corrected and compute the SMBH mass function as described in the previous sections. We present our SMBH mass function in Figure 6 and Table 2, binned into 0.5 dex intervals to allow a direct comparison with the existing observational and theoretical results in this redshift range. We limit this investigation to the range only. As before, we note that the effect of the uncertainty on our number densities is expected to be at most , largely overshadowed by the Poisson and redshift errors.
We are now in a position to compare our mass function to the existing samples of both bright and faint quasars at . We start with the latest ground-based examination of the quasar mass function at from He et al. (2024). The authors focus on a sample of faint BL AGN, from a combined Hyper Suprime-Cam (HSC) and SDSS data set, allowing them to extend their examination to a low-mass range we are most interested in ( ). We find that while our result is consistent with the ground-based mass function in the highmass regime , our number densities diverge below that mass and continue to rise up to at . Barring the color selection, it is possible that
Figure 6. The SMBH mass function, assuming , of our sample in the range. The red arrows show how our mass function would change if we assumed a lower Eddington ratio of . We overlay the SMBH mass function from Matthee et al. (2024) at in orange and the HSC +SDSS-derived BH mass function from He et al. (2024) in magenta. The maroon line shows the results from the EAGLE simulation at (RosasGuevara et al. 2016). The solid and dashed blue lines show the results from the Delphi (Dayal et al. 2014, 2019, 2020) simulations for all and bright ( ) BH, respectively. The measured number densities of our LRDs agree well with the spectroscopic sample from Matthee et al. (2024) and the simulations, given .
this effect is purely observational, as the SDSS/HSC detection limits in the rest-UV are much shallower compared to the JWST fields we explore.
Furthermore, we contrast our result to the BH mass function at based on a sample of LRDs from the slitless JWST data, presented in Matthee et al. (2024). Given the uncertainties, we find our results to be consistent within , although we do not find a sharp drop-off in the number densities at , likely driven by the low-mass incompleteness of the grism data as mentioned in Matthee et al. (2024).
Naturally, the fact that both our result and Matthee et al. (2024) find more low-mass BHs compared to He et al. (2024) is unsurprising, given the depth and wavelength coverage of the JWST data. Quite curiously, however, it appears that the mass function derived from dusty compact LRDs seems to nicely continue the rising trend of ground-based data and extend the SMBH mass functions toward . In this redshift range, the maximum volume sampled by our multifield investigation is roughly equal to . Therefore, taking into account the results of He et al. (2024), we should expect only one object with in our images, which indeed is the case. The detection of AGN hosting BHs with masses larger than that would, however, require survey sizes 10 to 20 times larger.
Before drawing conclusions, we would like to conduct a final check and compare our result to the hydrodynamical simulation EAGLE (Rosas-Guevara et al. 2016) and the semianalytic Delphi (Dayal et al. 2014, 2019, 2020, 2024) simulations describing the masses of SMBHs in the same redshift range. We limit our examination of the Delphi models to the bright ( ) regime to match the same luminosity range covered by our objects. In the intermediate- to lowmass end ( ), our results are in broad ( ) agreement with both EAGLE and Delphi, although in both
cases we start to see a significant difference in the number densities as we move to higher masses. Perhaps a worthwhile question to ask in this case is whether more of these high-mass BHs would be found in larger areas. We will discuss this in a later section.
Examining both the UV and bolometric luminosity functions, we note that LRDs only represent of the total Type I (BL) AGN population, as inferred by Harikane et al. (2023) and Maiolino et al. (2024), even less so compared to the most recent examination of Type II AGN hosts from JADES (Scholtz et al. 2023), where LRDs are times less numerous. Taking this into account, we can conclude that, at least at , LRDs appear to represent at most of the total accreting BH population over the range. The fact that LRDs are truly a distinct population of dusty BL AGN can therefore explain the observed dex disparity between our results and simulations. Finally, we would like to reiterate that our investigation of the BH mass function relies on assuming the most conservative case of accretion at exactly the Eddington rate, as we do not want to erroneously overestimate the number of high-mass BHs. Keeping that in mind, in Figure 6 we also show how our mass functions would change if we were to assume an Eddington ratio of instead. In this case, we find that while our number densities compared to UV samples are still high, we now more closely match the abundance of high-mass SMBHs predicted by DELPHI. However, until broad emission-line observations for all our sources are available, the value of will remain uncertain.
5. Discussion and Summary
5.1. Abundance of Bright Compact Sources
Previously limited to UV-selected samples at (Kashikawa et al. 2015; Bañados et al. 2018; Matsuoka et al. 2018; Inayoshi et al. 2020; Wang et al. 2021; Fan et al. 2023), we are now able to use JWST to reveal the presence of AGN during (e.g., Kocevski et al. 2023; Übler et al. 2023; Matthee et al. 2024) and even beyond the epoch of reionization (e.g., Furtak et al. 2023b; Goulding et al. 2023; Kokorev et al. 2023a; Larson et al. 2023; Maiolino et al. 2023; Bogdan et al. 2024; Lambrides et al. 2024) only hundreds of millions of years after the big bang. Standing out among these early studies of active BHs is the population of reddened Type I AGN, the so called LRDs (Greene et al. 2024; Labbé et al. 2023a; Matthee et al. 2024).
While the study of this unique population has been mostly limited to small spectroscopic samples, most recent efforts focused on the expansive A2744 JWST data set (Labbé et al. 2023a) have shown great promise at using a combination of NIRCam colors and morphology to identify reddened AGN. This initial photometric selection was shown to be remarkably successful, with of targets indeed confirmed as dusty BL AGN (Fujimoto et al. 2023c; Furtak et al. 2023b; Kokorev et al. 2023a; Greene et al. 2024). It is clear that these objects play an important role in the story of BH growth at early times, although so far a systematic review of these enigmatic AGN across multiple fields has not been undertaken.
Motivated by the success of this photometric selection, we present a sample of 260 reddened BL AGN candidates in the redshift range, covering four separate blank JWST
fields with a total area of . We uniformly reduce the NIRCam JWST data from a variety of public programs, complementing our photometric coverage with archival HST observations. We perform a color and morphology selection to identify the most promising compact objects that display a dichotomy in their observed SED shapes, namely a blue restUV continuum and a red power-law-like rest-optical. Our sample is publicly available, and we present a full description of our catalog in Table 4.
Using model fitting, we derive photometric redshifts as well as a range of physical parameters, including , and dust-corrected . We split our objects into two redshifts bins at and and explore their contribution to the UV and bolometric luminosity functions of star-forming galaxies as well as UV-selected quasars. Consistent with previous works (Greene et al. 2024; Maiolino et al. 2024; Matthee et al. 2024) exploring high-z BL AGN, we find that the number densities of these objects at are surprisingly high, in excess of compared to faint UV-selected quasars (e.g., Niida et al. 2020; He et al. 2024), while also accounting for of the total BL AGN population (Harikane et al. 2023; Maiolino et al. 2024) and of UV-selected star-forming galaxies (e.g., Bouwens et al. 2021). Moreover, while some of these objects were potentially pinned down as potential sources of reionization in their local environment (Fujimoto et al. 2023c), it appears that their UV luminosities are still insufficient to contribute to reionization in a significant way (Dayal et al. 2024).
Assuming accretion at the Eddington rate, we also place a lower limit on the of our objects, finding that some of these can already be very massive ( ) only a few hundred years after the big bang. Using these masses, we were also able to construct our prediction for the SMBH mass function and, for the first time, extend it to the low-mass regime. We find that our mass function results are completely consistent with the number densities derived for faint dusty AGN from Matthee et al. (2024) at intermediate masses and are comparable to those from UV-selected samples at high mass (He et al. 2024). We note, however, that while their number densities are similar, the sample presented in He et al. (2024) consists of unobscured quasars, and not LRDs, which are thought to be dust-obscured AGN. We find that both hydrodynamical and semi-analytic predictions for the number of BHs at this redshift match our observations below , although they start to disagree by almost 2 dex at higher masses. These massive and bright BHs are likely to be heavily obscured in the rest-frame UV and thus are not selected as LRDs, due to the lack of a clear blue component.
5.2. Final Remarks
Using observed NIR colors to pick out active BHs in extragalactic fields is by no means a novel endeavor and has already been successfully done with the IRAC instrument on board the Spitzer Space Telescope (Lacy et al. 2004; Stern et al. 2005; Donley et al. 2012). This method, however, is still in its infancy when it comes to JWST (Labbé et al. 2023a; Andika et al. 2024). As already pointed out by Matthee et al. (2024), very few JWST programs that detect dusty AGN were actually designed with AGN in mind, implying that there is still more that we can do to address a growing number of questions about this population.
First, the physical mechanisms that govern BH formation and growth in these systems are still poorly understood, although there already exists a growing body of works that try to decipher this enigmatic population (Greene et al. 2024; Silk et al. 2024). One such puzzle is the origin of the blue light found in LRDs. The similarity between the blue slopes of lowmetallicity star-forming galaxies and quasars does not allow us to make a clear assessment of whether the rest-UV light originates from the AGN itself or the compact host galaxy surrounding it, from the continuum alone. One way to solve this is to target the Mg II doublet ( ), the C IV, Si IV, or He II ( ) lines (e.g., see Maiolino et al. 2023) and confirm whether these are broadened or not. This, however, would require longer integration times with NIRSpec, as medium- or even high-resolution gratings would be required to achieve the necessary spectral fidelity. Moreover, while in principle the detection of broad UV emission lines could hint at the AGN being responsible for some UV light, this would not necessarily mean that the UV continuum also originates from the same source.
Second, there are no models as yet that can adequately describe the light we see emerging from these objects. So far, we have mainly had to rely on combinations of dust-free and dust-attenuated empirical models of local quasars, which might be adequately describing AGN at high-z. Moreover, the lingering uncertainty on the correction can introduce some biases into our estimates of and the . One solution to alleviate this is to stack the spectra of known LRDs, to define sets of reliable models describing these populations and aiding with further photometric selection.
Third, it is crucial to note that a substantial proportion of massive SMBHs (with ) at high redshifts (highz) can be heavily obscured, as implied by dELPHI. Similar conclusions were already reached from the X-ray luminosity functions at , both from simulations (Ni et al. 2020) and observations (Aird et al. 2015; Vito et al. 2018). In addition, Trebitsch et al. (2019) have shown that accreting SMBHs in Lyman-break galaxies are rarely UV-bright. With this in mind, selecting these massive AGN as LRDs would thus not be possible, as a combination of very deep rest-UV imaging and large areas are required. Despite that, these objects should still appear bright in the NIR, which opens up the possibility of effectively identifying them through large or parallel surveys using MIRI.
Finally, as has already recently been shown by Williams et al. (2023a) and Pérez-González et al. (2024), MIRI can also assist with clarifying the true numbers of AGN among LRDs, as some of these could be dusty progenitors of compact ellipticals.
Early results from JWST have already provided us with quite unexpected and remarkable results regarding the number densities of early AGN, leading to a shift in our understanding of their formation and growth in the early Universe. Our results highlight the potential of using NIRCam alone to select reddened AGN at high- in an effort to better understand their properties and abundance. While some limitations to this technique exist, as we have already discussed in our work, this provides a crucial set of next steps in order to bridge the gap between UV-bright quasars and faint SMBHs. However, it is already evident that the importance of faint, reddened AGN at early times cannot be overlooked.
Acknowledgments
We thank the anonymous referee for a number of constructive suggestions, which helped to greatly improve the quality of this manuscript. We are grateful to Dale Kocevski and Kohei Inayoshi for their patience with helping us to spot and correct minor inconsistencies in the manuscript. The authors would like to thank Sarah Bosman for insightful discussions about UV-bright quasars at high redshift. We also thank Mauro Giavalisco, Hollis Akins, and Meghana Killi for useful discussions regarding the nature of dust-obscured AGN. V.K. and K.I.C. acknowledge funding from the Dutch Research Council (NWO) through the award of the Vici grant VI.C.212.036. J.E.G. acknowledges support from NSF/AAG grant #1007094 and also support from NSF/AAG grant #1007052. P.D. and M.T. acknowledge support from the NWO grant 016.VIDI.189.162 (“ODIN”). P.D. also acknowledges support from the European Commission’s and University of Groningen’s CO-FUND Rosalind Franklin program. T.B.M. was supported by a CIERA Postdoctoral Fellowship. This work is based on observations made with the NASA/ESA/CSA James Webb Space Telescope. The data were obtained from the Mikulski Archive for Space Telescopes at the Space Telescope Science Institute, which is operated by the Association of Universities for Research in Astronomy, Inc., under NASA
contract NAS 5-03127 for JWST. All the JWST and HST data used in this paper can be found on MAST at doi:10.17909/ de9v-7893. Some of the data products presented herein were retrieved from the Dawn JWST Archive (DJA). DJA is an initiative of the Cosmic Dawn Center, which is funded by the Danish National Research Foundation under grant No. 140. This work used computing resources provided by Northwestern University and the Center for Interdisciplinary Exploration and Research in Astrophysics (CIERA). This research was supported in part through the computational resources and staff contributions provided for the Quest high-performance computing facility at Northwestern University, which is jointly supported by the Office of the Provost, the Office for Research, and Northwestern University Information Technology.
Facilities: JWST, HST.
Software: EAZY (Brammer et al. 2008), FSPS (Conroy et al. 2009), pysersic (Pasha & Miller 2023), grizli (Brammer 2023), msaexp (Brammer 2022).
Appendix
In this section we present a shortened example version of the table (Table 4) which lists the locations of our sources as well as all derived physical parameters.
An Example of the Table Containing All Properties of Our Sources
ID
Field
R.A. (deg)
Decl. (deg)
{filt}_flux ( )
{filt}_fluxerr ( )
(mag)
(ABmag)
(pix)
(pc)
1381
PRIMER-UDS
34.440988
-5.209337
<1.04
<186
1470
PRIMER-UDS
34.260549
-5.209163
…
…
<1.23
<230
1544
PRIMER-UDS
34.377413
-5.209023
…
…
<1.02
<187
1939
PRIMER-UDS
34.403098
-5.208186
…
…
<0.71
<144
3992
PRIMER-UDS
34.367304
-5.204196
…
…
<0.55
<104
7991
PRIMER-UDS
34.293687
-5.196477
…
…
<1.11
<196
8559
PRIMER-UDS
34.465426
-5.195333
…
<0.68
<111
10404
PRIMER-UDS
34.462872
-5.191960
…
…
<0.50
<101
11219
PRIMER-UDS
34.471126
-5.190444
…
<0.42
<84
14419
PRIMER-UDS
34.399178
-5.184323
…
…
<0.64
<135
ar
15257
PRIMER-UDS
34.431864
-5.182780
<0.79
<133
16999
PRIMER-UDS
34.508058
-5.180084
<0.65
<154
18804
PRIMER-UDS
34.363515
-5.176964
…
<0.45
<114
18892
PRIMER-UDS
34.268908
-5.176722
<0.62
<123
19416
PRIMER-UDS
34.460763
-5.175813
…
<1.07
<221
21108
PRIMER-UDS
34.362963
-5.173200
<0.62
<105
22773
PRIMER-UDS
34.438986
-5.170543
…
<0.57
<129
23575
PRIMER-UDS
34.408020
-5.169147
<0.76
<137
24081
PRIMER-UDS
34.346207
-5.168197
<0.52
<100
Note. A full version of this table is available on Zenodo at doi:10.5281/zenodo.10820724. The sizes are measured in the F444W band on the images. The FWHM of the F444W PSF is 3.45 pixels.
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023, MNRAS, 518, 4755
Aird, J., Coil, A. L., Georgakakis, A., et al. 2015, MNRAS, 451, 1892
Akins, H. B., Casey, C. M., Allen, N., et al. 2023, ApJ, 956, 61
Andika, I. T., Jahnke, K., Onoue, M., et al. 2024, A&A, 685, A25
Atek, H., Chemerynska, I., Wang, B., et al. 2023, MNRAS, 524, 5486
Austin, D., Adams, N., Conselice, C. J., et al. 2023, ApJL, 952, L7
Baggen, J. F. W., van Dokkum, P., Labbé, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Bañados, E., Carilli, C., Walter, F., et al. 2018, ApJL, 861, L14
Banerji, M., Alaghband-Zadeh, S., Hewett, P. C., & McMahon, R. G. 2015, MNRAS, 447, 3368
Barbary, K. 2016, JOSS, 1, 58
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Behroozi, P., Conroy, C., Wechsler, R. H., et al. 2020, MNRAS, 499, 5702
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Behroozi, P. S., & Silk, J. 2015, ApJ, 799, 32
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bezanson, R., Labbe, I., Whitaker, K. E., et al. 2022, arXiv:2212.04026
Blanton, M. R., & Roweis, S. 2007, AJ, 133, 734
Bogdan, A., Goulding, A., Natarajan, P., et al. 2024, NatAs, 8, 126
Bouwens, R. J., Illingworth, G. D., Oesch, P. A., et al. 2015, ApJ, 803, 34
Bouwens, R. J., Oesch, P. A., Stefanon, M., et al. 2021, AJ, 162, 47
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Bradley, L. D., Coe, D., Brammer, G., et al. 2023, ApJ, 955, 13
Brammer, G. 2022, msaexp: NIRSpec analyis tools v0.3, Zenodo, doi:10. 5281/zenodo. 7299500
Brammer, G. 2023, grizli v1.8.2, Zenodo, doi:10.5281/zenodo. 7712834
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Carnall, A. C., Begley, R., McLeod, D. J., et al. 2023, MNRAS, 518, L45
Casey, C. M., Akins, H. B., Shuntov, M., et al. 2024, ApJ, 965, 98
Chabrier, G. 2003, PASP, 115, 763
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
Curtis-Lake, E., Carniani, S., Cameron, A., et al. 2023, NatAs, 7, 622
Davé, R., Anglés-Alcázar, D., Narayanan, D., et al. 2019, MNRAS, 486, 2827
Dayal, P., Choudhury, T. R., Bromm, V., & Pacucci, F. 2017, ApJ, 836, 16
Dayal, P., Ferrara, A., Dunlop, J. S., & Pacucci, F. 2014, MNRAS, 445, 2545
Dayal, P., Ferrara, A., Sommovigo, L., et al. 2022, MNRAS, 512, 989
Dayal, P., Rossi, E. M., Shiralilou, B., et al. 2019, MNRAS, 486, 2336
Dayal, P., Volonteri, M., Choudhury, T. R., et al. 2020, MNRAS, 495, 3065
Dayal, P., Volonteri, M., Greene, J. E., et al. 2024, arXiv:2401.11242
Donley, J. L., Koekemoer, A. M., Brusa, M., et al. 2012, ApJ, 748, 142
Eisenstein, D. J., Johnson, B. D., Robertson, B., et al. 2023a, arXiv:2310. 12340
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Endsley, R., Stark, D. P., Lyu, J., et al. 2023, MNRAS, 520, 4609
Fan, X., Banados, E., & Simcoe, R. A. 2023, ARA&A, 61, 373
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Fruchter, A. S., & Hook, R. N. 2002, PASP, 114, 144
Fu, H., Isbell, J., Casey, C. M., et al. 2017, ApJ, 844, 123
Fujimoto, S., Bezanson, R., Labbe, I., et al. 2023a, arXiv:2309.07834
Fujimoto, S., Brammer, G. B., Watson, D., et al. 2022, Natur, 604, 261
Fujimoto, S., Kohno, K., Ouchi, M., et al. 2023b, arXiv:2303.01658
Fujimoto, S., Wang, B., Weaver, J., et al. 2023c, arXiv:2308.11609
Furtak, L. J., Labbé, I., Zitrin, A., et al. 2024, Natur, 628, 57
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023a, ApJ, 952, 142
Furtak, L. J., Zitrin, A., Weaver, J. R., et al. 2023b, MNRAS, 523, 4568
Gaia Collaboration, Brown, A. G. A., Vallenari, A., et al. 2021, A&A, 649, A1 Gehrels, N. 1986, ApJ, 303, 336
Giallongo, E., Grazian, A., Fiore, F., et al. 2019, ApJ, 884, 19
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Glikman, E., Simmons, B., Mailly, M., et al. 2015, ApJ, 806, 218
Gordon, K. D., Clayton, G. C., Misselt, K. A., Landolt, A. U., & Wolff, M. J. 2003, ApJ, 594, 279
Goulding, A. D., Greene, J. E., Setton, D. J., et al. 2023, ApJL, 955, L24
Grazian, A., Giallongo, E., Boutsia, K., et al. 2018, A&A, 613, A44
Greene, J. E., & Ho, L. C. 2005, ApJ, 630, 122
Greene, J. E., Labbe, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
He, W., Akiyama, M., Enoki, M., et al. 2024, ApJ, 962, 152
Inayoshi, K., Visbal, E., & Haiman, Z. 2020, ARA&A, 58, 27
Jin, S., Sillassen, N. B., Magdis, G. E., et al. 2023, A&A, 670, L11
Kannan, R., Springel, V., Hernquist, L., et al. 2023, MNRAS, 524, 2594
Kartaltepe, J. S., Rose, C., Vanderhoof, B. N., et al. 2023, ApJL, 946, L15
Kashikawa, N., Ishizaki, Y., Willott, C. J., et al. 2015, ApJ, 798, 28
Kaspi, S., Smith, P. S., Netzer, H., et al. 2000, ApJ, 533, 631
Kato, N., Matsuoka, Y., Onoue, M., et al. 2020, PASJ, 72, 84
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kokorev, V., Brammer, G., Fujimoto, S., et al. 2022, ApJS, 263, 38
Kokorev, V., Fujimoto, S., Labbe, I., et al. 2023a, ApJL, 957, L7
Kokorev, V., Jin, S., Magdis, G. E., et al. 2023b, ApJL, 945, L25
Kron, R. G. 1980, ApJS, 43, 305
Kulkarni, G., Worseck, G., & Hennawi, J. F. 2019, MNRAS, 488, 1035
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., Oesch, P. A., Bouwens, R. J., et al. 2013, ApJL, 777, L19
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Lacy, M., Storrie-Lombardi, L. J., Sajina, A., et al. 2004, ApJS, 154, 166
Lambrides, E., Chiaberge, M., Long, A., et al. 2024, ApJL, 961, L25
Laporte, N., Bauer, F. E., Troncoso-Iribarren, P., et al. 2017, A&A, 604, A132
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2305.12492
Marchesini, D., van Dokkum, P. G., Förster Schreiber, N. M., et al. 2009, ApJ, 701, 1765
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
Matsuoka, Y., Onoue, M., Iwasawa, K., et al. 2023, ApJL, 949, L42
Matsuoka, Y., Strauss, M. A., Kashikawa, N., et al. 2018, ApJ, 869, 150
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Mauerhofer, V., & Dayal, P. 2023, MNRAS, 526, 2196
Mitra, S., Choudhury, T. R., & Ferrara, A. 2018, MNRAS, 473, 1416
Morishita, T., Stiavelli, M., Trenti, M., et al. 2020, ApJ, 904, 50
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022, ApJL, 940, L14
Ni, Y., Di Matteo, T., Gilli, R., et al. 2020, MNRAS, 495, 2135
Niida, M., Nagao, T., Ikeda, H., et al. 2020, ApJ, 904, 89
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B. 1974, ApJS, 27, 21
Ormerod, K., Conselice, C. J., Adams, N. J., et al. 2024, MNRAS, 527, 6110
Pacucci, F., Dayal, P., Harikane, Y., Inoue, A. K., & Loeb, A. 2022, MNRAS, 514, L6
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pasha, I., & Miller, T. B. 2023, JOSS, 8, 5703
Pérez-González, P. G., Barro, G., Rieke, G. H., et al. 2024, arXiv:2401.08782
Piana, O., Dayal, P., & Choudhury, T. R. 2022, MNRAS, 510, 5661
Planck Collaboration, Aghanim, N., Akrami, Y., et al. 2020, A&A, 641, A6
Rigby, J., Perrin, M., McElwain, M., et al. 2023, PASP, 135, 048001
Robertson, B. E., Tacchella, S., Johnson, B. D., et al. 2023, NatAs, 7, 611
Rosas-Guevara, Y., Bower, R. G., Schaye, J., et al. 2016, MNRAS, 462, 190
Schechter, P. 1976, ApJ, 203, 297
Schmidt, M. 1968, ApJ, 151, 393
Scholtz, J., Maiolino, R., D’Eugenio, F., et al. 2023, arXiv:2311.18731
Sérsic, J. L. 1963, BAAA, 6, 41
Shen, X., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2020, MNRAS, 495, 3252
Silk, J., Begelman, M., Norman, C., Nusser, A., & Wyse, R. 2024, ApJL, 961, 39
Skelton, R. E., Whitaker, K. E., Momcheva, I. G., et al. 2014, ApJS, 214, 24
Steinhardt, C. L., Kokorev, V., Rusakov, V., Garcia, E., & Sneppen, A. 2023, ApJL, 951, L40
Stern, D., Eisenhardt, P., Gorjian, V., et al. 2005, ApJ, 631, 163
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., & Shen, X. 2023, MNRAS, 526, 2665
Trebitsch, M., Hutter, A., Dayal, P., et al. 2023, MNRAS, 518, 3576
Trebitsch, M., Volonteri, M., & Dubois, Y. 2019, MNRAS, 487, 819
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Valentino, F., Brammer, G., Gould, K. M. L., et al. 2023, ApJ, 947, 20
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Vito, F., Brandt, W. N., Yang, G., et al. 2018, MNRAS, 473, 2378
Volonteri, M., Reines, A. E., Atek, H., Stark, D. P., & Trebitsch, M. 2017, ApJ, 849, 155
Wang, B., Fujimoto, S., Labbe, I., et al. 2023, ApJL, 957, L34
Wang, L., Gao, F., Best, P. N., et al. 2021, A&A, 648, A8
Weaver, J. R., Cutler, S. E., Pan, R., et al. 2024, ApJS, 270, 7
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Weaver, J. R., Zalesky, L., Kokorev, V., et al. 2023, ApJS, 269, 20
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Whitaker, K. E., Labbé, I., van Dokkum, P. G., et al. 2011, ApJ, 735, 86
Wilkins, S. M., Vijayan, A. P., Lovell, C. C., et al. 2022, MNRAS, 517, 3227
Williams, C. C., Alberts, S., Ji, Z., et al. 2023a, arXiv:2311.07483
Williams, H., Kelly, P. L., Chen, W., et al. 2023b, Sci, 380, 416
Yang, G., Caputi, K. I., Papovich, C., et al. 2023, ApJL, 950, L5
Yang, J., Wang, F., Fan, X., et al. 2021, ApJ, 923, 262
Yung, L. Y. A., Somerville, R. S., Finkelstein, S. L., Popping, G., & Davé, R. 2019, MNRAS, 483, 2983
Yung, L. Y. A., Somerville, R. S., Finkelstein, S. L., et al. 2020, MNRAS, 496, 4574
Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.
Original content from this work may be used under the terms of the Creative Commons Attribution 4.0 licence. Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal citation and DOI.