المجلة: The Astrophysical Journal، المجلد: 965، العدد: 1
DOI: https://doi.org/10.3847/1538-4357/ad2075
تاريخ النشر: 2024-04-01
DOI: https://doi.org/10.3847/1538-4357/ad2075
تاريخ النشر: 2024-04-01
مكتبة DTU
كوزموس-ويب
مرشحات مجرات ز 10 المتألقة جوهريًا تختبر تجميع الكتلة النجمية المبكرة
كيسي، كايتلين م.; أكينز، هوليس ب.; شونتوف، ماركو; إيلبيرت، أوليفييه; باكيرو، لويز; فرانكو، ماكسيميليان; هايوارد، كريستوفر سي.; فينكلشتاين، ستيفن إل.; بويلان-كولتشين، مايكل; روبرتسون، برانت إي.
إجمالي عدد المؤلفين:
42
42
نُشر في:
مجلة الفيزياء الفلكية
مجلة الفيزياء الفلكية
رابط المقال، DOI:
10.3847/1538-4357/ad2075
10.3847/1538-4357/ad2075
تاريخ النشر:
2024
2024
إصدار الوثيقة
نسخة الناشر بصيغة PDF، والمعروفة أيضًا باسم النسخة المسجلة
نسخة الناشر بصيغة PDF، والمعروفة أيضًا باسم النسخة المسجلة
رابط العودة إلى DTU Orbit
اقتباس (APA):
كيسي، سي. إم.، أكينز، إتش. بي.، شونتوف، م.، إيلبرت، أو.، باكيرو، ل.، فرانكو، م.، هايوارد، سي. سي.، فينكلشتاين، إس. إل.، بويلان-كولشين، م.، روبرتسون، ب. إي.، ألين، ن.، برينش، م.، كوبر، أو. آر.، دينغ، إكس.، دراكوس، ن. إي.، فايست، أ. ل.، فوجيموتو، س.، جيلمان، س.، هاريش، س.، … زافالا، ج. أ. (2024). كوزموس-ويب: مرشحات مجرات ز 10 اللامعة بشكل جوهري لاختبار تجميع الكتلة النجمية المبكرة. مجلة الفيزياء الفلكية، 965(1)، المقال 98.
https://doi.org/10.3847/1538-4357/ad2075
https://doi.org/10.3847/1538-4357/ad2075
كوزموس-ويب: مرشحات مجرات مضيئة بطبيعتها z ≳ 10 تختبر تجميع الكتلة النجمية المبكرة
الملخص
نعلن عن اكتشاف 15 نجمًا ساطعًا بشكل استثنائي
قانون القوة المزدوجة إلى دالة شكتير عند
مفاهيم معجم الفلك الموحد: إعادة التأين (1383)؛ المجرات ذات الانزياح الأحمر العالي (734)؛ مسوحات الانزياح الأحمر (1378)؛ مجرات كسر لايمان (979)
1. المقدمة
لقد كشفت السنة الأولى من ملاحظات تلسكوب جيمس ويب الفضائي (JWST) عن ثروة من المفاجآت، بما في ذلك الزيادة الملحوظة في عدد المجرات اللامعة في عصر إعادة التأين (EoR) مقارنةً بالتوقعات السابقة (Bouwens et al. 2015; Finkelstein 2016; Stark 2016; Finkelstein et al. 2022a; Robertson 2022). اكتشافات تلسكوب هابل الفضائي (HST) في
ومع ذلك، أدت أعمق مسوحات HST إلى اكتشاف GN-z11 (Oesch et al. 2014; Skelton et al. 2014; Oesch et al. 2016)، والتي كانت آنذاك
نحن نعلم الآن أن GN-z11 تقع عند
الآن بعد أن بدأ JWST في اكتشاف مجرات جديدة تتجاوز
EoR. في هذه الورقة، نبلغ عن اكتشاف عدة مجرات مرشحة ساطعة للغاية تتجاوز
2. البيانات
نختار هذه العينة من
تم إجراء تقليل بيانات COSMOS-Web NIRCam باستخدام خط أنابيب معايرة JWST (Bushouse et al. 2023) الإصدار 1.10.0، مع إضافة عدة تعديلات مخصصة تم تنفيذها أيضًا في أعمال أخرى (على سبيل المثال، Bagley et al. 2024). يشمل ذلك طرح
بعيدًا عن JWST، نستخدم ثروة من البيانات متعددة الأطوال الموجية في مجال COSMOS للتحقق من الاكتشافات المقدمة في هذه الورقة، من تصوير HST/F814W من مسح COSMOS الأصلي (Koekemoer et al. 2007؛ Scoville et al. 2007)، ومسح Spitzer COSMOS (Sanders et al. 2007)، وتصوير تلسكوب Subaru Hyper Suprime-Cam (HSC) (Aihara et al. 2022)، وتصوير UltraVISTA (McCracken et al. 2012)، المحدث إلى الإصدار الأخير DR5. يتم تقديم وصف كامل لهذه المجموعات البيانية في Weaver et al. (2022) و Casey et al. (2023).
كاتالوج COSMOS2020 الفوتومتري (Weaver et al. 2022)، الذي استخدم صورة اكتشاف عميقة CHI_MEAN (Drlica-Wagner et al. 2018) تم إنشاؤها باستخدام UltraVISTA YJHKs بالإضافة إلى نطاقات HSC
نلاحظ أن بيانات MIRI تغطي فقط
3. الفوتومترية، اختيار المصدر، والقياسات
تم بناء كتالوجات فوتومترية لتصوير COSMOS-Web باستخدام حزمة فوتومترية قائمة على النموذج SourceXtractor++ (SE++ Bertin et al. 2020؛ Kümmel et al. 2020). يتم بناء صورة اكتشاف باستخدام مجموعة CHI_MEAN (Szalay et al. 1999؛ Drlica-Wagner et al. 2018) لجميع فلاتر NIRCam الأربعة (F115W، F150W، F277W، و F444W). بعد اكتشاف المصدر، يتم ملاءمة نموذج سيرسيت الأمثل باستخدام كل نطاق NIRCam فرديًا. ثم يتم استخراج البيانات باستخدام أفضل نموذج سيرسيت المستمد من NIRCam على تصوير JWST، وتصوير HST، وجميع مجموعات البيانات الأرضية الموصوفة في Weaver et al. (2022). يسمح الفوتومترية القائمة على النموذج بإجراء قياسات فوتومترية متزامنة على الصور ذات PSFs مختلفة دون تدهور. وهذا يسمح لنا بإدخال قيود من البيانات الأرضية العميقة دون فقدان الدقة (وبالتالي دقة الفوتومترية) في بياناتنا المستندة إلى الفضاء.
بالإضافة إلى فوتومترية SE++ الأساسية، نستخدم SE “الكلاسيكية” (Bertin & Arnouts 1996) لأداء فوتومترية الفتحة على الصور المتماثلة PSF من HST وJWST. يتم تنفيذ تجانس PSF باستخدام PSFs المقاسة تجريبيًا التي تم بناؤها باستخدام PSFEx (Bertin 2011) وحزمة pypher (Boucaud et al. 2016)، التي تحسب نواة تجانس بين PSFs مختلفة. يتم تجانس جميع الصور إلى صورة F444W. يتم استخدام نفس صورة الاكتشاف لـ SE “الكلاسيكية” كما كانت لـ
يمكن تحقيق ذلك باستخدام خرائط الوزن، التي تأخذ في الاعتبار ضوضاء القراءة ولكنها تفشل في احتساب ضوضاء بواسون من السماء أو المصادر، وبالتالي تم تقدير الأخطاء بشكل غير كافٍ بالنسبة للمصادر الخافتة أو غير المكتشفة. نحن نتناول هذا من خلال اشتقاق مقياس مستقل لضوضاء السماء بواسون باستخدام آلاف الفتحات الدائرية الموضوعة عشوائيًا بأقطار مختلفة. ثم قمنا بمقارنة تقديرات ضوضاء السماء بواسون مع الانحراف المعياري لقياسات كثافة التدفق لملف سيرسيك المثالي (المتداخل مع PSF) الموضوعة عشوائيًا في جميع أنحاء الفسيفساء ووجدنا
يمكن تحقيق ذلك باستخدام خرائط الوزن، التي تأخذ في الاعتبار ضوضاء القراءة ولكنها تفشل في احتساب ضوضاء بواسون من السماء أو المصادر، وبالتالي تم تقدير الأخطاء بشكل غير كافٍ بالنسبة للمصادر الخافتة أو غير المكتشفة. نحن نتناول هذا من خلال اشتقاق مقياس مستقل لضوضاء السماء بواسون باستخدام آلاف الفتحات الدائرية الموضوعة عشوائيًا بأقطار مختلفة. ثم قمنا بمقارنة تقديرات ضوضاء السماء بواسون مع الانحراف المعياري لقياسات كثافة التدفق لملف سيرسيك المثالي (المتداخل مع PSF) الموضوعة عشوائيًا في جميع أنحاء الفسيفساء ووجدنا
ثم يتم ملاءمة جميع المصادر في كتالوجات SE++ و SE “الكلاسيكية” باستخدام انزياحات حمراء فوتومترية باستخدام أداة EAzY لتناسب SED (بريمر وآخرون 2008) مع مجموعة من قوالب توليف السكان النجمي المرنة الافتراضية (كونروي وغن 2010؛ تحديدًا QSF 12 v 3) وقوالب أكثر زُرقة مُحسّنة لاختيار المجرات الأقل غبارًا في فترة إعادة التأين من لارسون وآخرون (2023)، والتي توفر عددًا من النماذج ذات Ly المتغيرة.
التحديد الأولي للمرشح
-
، و ، - أفضل انزياح ضوئي ملائم من EAzY لـ
، - تكامل توزيع احتمالية الانزياح الأحمر فوق الانزياح 6 هو
وأعلى من انزياح أحمر 8 هو ، و - الحجم في F 277 واط هو
.
من
الجدول 1
| المصدر |
|
||||||||||||||
| قياس الفوتومترية القائم على الفتحة “الكلاسيكية” SE | فوتومترية قائمة على النموذج SE++ | ||||||||||||||
| F814W (نانو جولي) | F115W (نانو جولي في الثانية) | F150W (نانو جاي) | F277W (نانو جول لكل ثانية) | F444W (نانو جولي في الثانية) | F814W (نانو جولي في الثانية) | F115W (نانو جولي في الثانية) | F150W (نانو جاي) | F277W (نانو جول لكل ياردة) | F444W (نانو جيا) | يوفيستا
|
يوفيستا
|
يوفيستا
|
يوفيستا
|
||
| COS-z10-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z11-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z11-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z13-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
COS-z13-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z14-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z13-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z14-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| طول الموجة الفعّالة للفلتر
|
|||||||||||||||
| 0.814 | 1.15 | 1.50 | 2.77 | ٤.٤٤ | 0.814 | 1.15 | 1.50 | 2.77 | ٤.٤٤ | 1.02 | 1.25 | 1.65 | 2.15 | ||
وظيفة الانتشار (PSF) – التصوير الموحد للبيانات المستندة إلى الفضاء فقط، ومن SourceXtractor++ (SE++) قياسات الفوتومترية المعتمدة على نموذج سيرسِك الفردي التي تم قياسها على الصور بدقتها الأصلية.ثم نطبق ملاءمات أكثر صرامة على
تشغيلات EAzY لدينا هي تعديلات طفيفة على الاختبارات الأولية المستخدمة لاختيار العينة: نحن نسمح بنطاق أوسع من الحلول الممكنة للانزياح الأحمر مع أخذ عينات أكثر دقة للانزياح الأحمر، وننقل مجموعة القوالب المعتمدة من لارسن وآخرون (2023) إلى تلك التي لا تحتوي على Ly.
لتحقيق الملاءمات المثلى لـ LePhare، نتبع منهجية كوفمان وآخرون (2022) ونلخصها هنا بإيجاز. تُستخدم قوالب بروزوال وشارلوت (2003) التي تغطي مجموعة من تاريخ تشكيل النجوم (SFHs؛ المتناقص بشكل أسي والمتأخر).
للحصول على أفضل ملاءمة للأنابيب الاسكتلندية، نقوم بتنفيذ تأخير-
نقوم أيضًا بتناسب مكتبات نماذج الأطياف الطيفية للأقزام البنية من مورلي وآخرون (2012) ومورلي وآخرون (2014) مع الفوتومترية، التي تغطي درجات حرارة
ثم نقوم بتكرار عدد من هذه الملاءمات على الفوتومترية المستخرجة من فتحات قطرها 0.3 بوصة من SE “الكلاسيكية” على جميع الصور المستندة إلى الفضاء (أي، HST/F814W و JWST/NIRCam). نحدد أن الاختلافات في الفوتومترية المقاسة لا تؤثر بشكل كبير على النتائج، على الرغم من مناقشة بعض تفاصيل الاختلافات (وأثرها على توزيعات احتمالات الانزياح الأحمر) مرة أخرى لاحقًا في القسم 5.1. نتبنى الفوتومترية المستندة إلى النموذج من SE++ كفوتومترية مرجعية لنا ونجد أن جميع الملاءمات (مع EAzY و LePhare و Bagpipes) تقدر
في هذا العمل، نعتمد على التوزيعات اللاحقة للمعلمات الفيزيائية من اختباراتنا باستخدام Bagpipes لوصف
الشكل 1. توزيع المرشحين اللامعين
خصائص العينة، مثل الكتلة النجمية، ومتوسط معدلات تكوين النجوم على مدى 100 مليون سنة،
3.1. قياس جودة الملاءمة
لكل مصدر، نقوم بتحديد قيمة موحدة
لاحظ أن
الشكل 2. قصاصات وSEDs لجميع المصادر في عيّنتنا. القصاصات هي
تمتلك المجرات اكتشافات فوتومترية، وتقليل مساحة المعلمات القابلة للبحث من خلال اتخاذ خيارات فيزيائية مدروسة يختلف بشكل كبير بين أدوات ملاءمة SED.
نحن نحفز مثل هذا التnormalized
الشكل 2. (مستمر.)
على سبيل المثال، المجرات المختارة في مسح CEERS (فينكلشتاين وآخرون 2023a) مقيدة بمزيد من الأطياف الضوئية المستندة إلى الفضاء العميق، ومن الطبيعي أن يكون لها قيمة أعلى من
هاينلاين وآخرون 2024
الشكل 2. (مستمر.)
لشفافية في اختيارنا، يوضح الشكل 2 جميع الـ 15
أشرطة F444W، ويتم مناقشتها بمزيد من التفصيل في القسم 4.3. لاحظ أن المصادر التي تم اكتشافها في شريحتين فقط تكون بطبيعتها أكثر صعوبة في الاختيار بشكل نظيف باستخدام
3.2. قياسات أخرى
قمنا بإجراء اختبار بسيط لتقييم دقة تقديرات الانزياح الأحمر الفوتومتري التي تم إجراؤها باستخدام مجموعة من أفضل ملاءمات SEDs للعينة الكاملة من EAzY وLePhare وBagpipes. يُفترض أن هذه المجموعات من القوالب تمثل تنوع SEDs الواقعية لـ
نقيس أحجام العينة باستخدام نطاق F277W باستخدام كل من GALFIT (بينغ وآخرون 2002، 2010) و GALIGHT (دينغ وآخرون 2020). تم اختيار نطاق F277W لأنه يوفر أعلى
4. تفاصيل المصدر
هنا نقدم أوصافًا أكثر تفصيلًا ومعلومات ذات صلة حول كل من المجرات الخمسة عشر المرشحة في
في الأوصاف التالية، نقتبس الاحتمالية النسبية لأن يكون المصدر متداخلاً منخفض الانزياح الأحمر؛ نحن نستمد هذه الاحتمالات من ملاءمات الانزياح الضوئي EAzY باستخدام فوتومترية SE++، التي تُعرض توزيعاتها في الشكل 3 وتناقش لاحقًا كمجموعة في القسم 5.1. اخترنا PDFs للانزياح الضوئي EAzY بسبب بساطتها وسهولة اعتمادها على انزياح (ومقدار) مسطح. ومع ذلك، فإن تحذيرًا عامًا من تفسير PDFs للانزياح الضوئي هو أن السعة الدقيقة لقمة الانزياح الضوئي حساسة جدًا لمجموعة القوالب المعتمدة، ونطاق المعلمات الفيزيائية التي تحكم SEDs المدخلة، وللاختلافات الصغيرة في الفوتومترية المعتمدة. لذا، بينما تجد عمومًا عدة أكواد مستقلة قمم متسقة في التوزيع (كما هو موضح أيضًا في الألواح الفرعية في الشكل 2)، فإن التكامل تحت كل قمة غير مؤكد إلى حد ما.
نحن أيضًا نتناول وجود الجيران في السماء كجمعيات فيزيائية محتملة، ونتحقق من التوافق مع الحلول ذات الانزياح الأحمر المنخفض لمرشحينا (خصوصًا لأن الجيران القريبين في السماء هم إحصائيًا أكثر احتمالًا أن يكونوا مرتبطين فيزيائيًا؛ كارتالتبي وآخرون 2007؛ شاه وآخرون 2020). كما نقيم المساهمة المحتملة للجاذبية
تأثير العدسات من الجيران ونجد أنه غير مهم في جميع الحالات (يكون الأكثر أهمية لـ COS-z10-1، حيث نوضح تضخيم العدسة لا يتجاوز
تأثير العدسات من الجيران ونجد أنه غير مهم في جميع الحالات (يكون الأكثر أهمية لـ COS-z10-1، حيث نوضح تضخيم العدسة لا يتجاوز
4.1. مضيء بشكل استثنائي
تم اكتشاف هذا المصدر في خمس نطاقات ويظهر انخفاضًا قدره 2.5 مغ بين F 150 W و
تم اكتشاف هذه المجرة
4.1.3.
تم الكشف عنه في أربع نطاقات (F150W، UltraVISTA H، F277W، وF444W، مع
الجدول 2
خصائص العينة
خصائص العينة
| مصدر |
|
|
|
|
|
|
|
|
|
|
| سوبر برايت
|
||||||||||
| COS-z10-1 | 10:01:26.00 | +01:55:59.70 |
|
|
|
|
|
|
|
|
| COS-z12-1 | 09:58:55.21 | +02:07:16.77 |
|
|
|
|
|
|
|
|
| COS-z12-2 | 09:59:59.91 | +02:06:59.90 |
|
|
|
|
|
|
|
|
| COS-z12-3 | 09:59:49.04 | +01:53:26.19 |
|
|
|
|
|
|
|
|
| مشرق
|
||||||||||
| COS-z10-2 | 09:59:51.77 | +02:07:15.02 |
|
|
|
|
|
|
|
|
| COS-z10-3 | 09:59:57.50 | +02:06:20.06 |
|
|
|
|
|
|
|
|
| COS-z10-4 | 10:00:37.96 | +01:49:32.43 |
|
|
|
|
|
|
|
|
| COS-z11-1 | 09:59:52.53 | +02:00:23.53 |
|
|
|
|
|
|
|
|
| COS-z11-2 | 10:01:34.80 | +02:05:41.48 |
|
|
|
|
|
|
|
|
| عينة في
|
||||||||||
| COS-z13-1 | 09:59:05.75 | +02:04:04.39 |
|
|
|
|
|
|
|
|
| COS-z13-2 | 10:00:04.24 | +02:02:11.19 |
|
|
|
|
|
|
|
|
| كوس- ز14-1 | 10:01:31.17 | +01:58:45.00 |
|
|
|
|
|
|
|
|
| عينة مرفوضة كاحتمال منخفض-
|
||||||||||
| COS-z12-4 | 09:59:30.49 | +02:14:44.10 |
|
|
|
|
|
|
|
|
| COS-z13-3 | 09:59:31.30 | +02:08:33.85 |
|
|
|
|
|
|
|
|
| COS-z14-2 | 10:00:20.38 | +01:49:58.33 |
|
|
|
|
|
|
|
|
ملاحظة. يتم قياس المواقع من الصورة المكتشفة المستخدمة لكتالوجات SE++ و SE “الكلاسيكية”. نحن نقدم ثلاثة انزياحات ضوئية فوتومترية لكل مصدر من Bagpipes و EAzY و LePhare، ولكن لاحظ أن معظم الخصائص المستمدة – بما في ذلك
4.1.4. COS-z12-3
تم اكتشاف هذا المصدر في أربع نطاقات (F150W، UltraVISTA
ميل الأشعة فوق البنفسجية مقارنةً مع المجرات الأخرى في هذه العينة، مما يقدم المزيد من الاحتمالات للتداخل مع أصل منخفض الانزياح الأحمر في فوتومتريتها. ومع ذلك، فإن الانكسار القوي عند
القدر المطلق المستنتج للأشعة فوق البنفسجية لـ COS-z12-3 هو
الشكل 3. مقارنة بين PDFs الانزياح الأحمر التي تم ملاءمتها باستخدام EAzY لثلاث مجموعات من الفوتومترية لكل مرشح مجري عالي الانزياح الأحمر. تظهر النتائج للفوتومترية المعتمدة على نموذج SE++ (“M”)، والتي تشمل كل من الفوتومترية المستندة إلى الفضاء والأرض، باللون الأحمر الداكن. بينما تظهر النتائج للفوتومترية “الكلاسيكية” SE المستخرجة باللون البرتقالي الفاتح.
قد تتطلب مثل هذه المصادر ملاحظات بسمك 2 مم مع حساسية
4.1.5. COS-z12-4
المرشح الخامس المشرق بشكل استثنائي الذي نحدده هو COS-z12-4. الحد الرئيسي في توصيف COS-z12-4 هو قرب مجرتين جارتين حيث يتم الخلط بين انبعاثهما في البيانات المستندة إلى الأرض. بينما يتم ملاءمته بشكل اسمي لزمن أحمر فوتومتري من
صدفة جادلت بأن CEERS-93316 كانت
صدفة جادلت بأن CEERS-93316 كانت
4.2. ساطع
4.2.1.
COS-z10-2 هو واحد من المجرات الأكثر حمراء بشكل جوهري في عينتنا وله شكل ثنائي الشكل قليلاً في نطاقات NIRCam LW. تم اكتشافه رسميًا في ثلاث نطاقات NIRCam. تتراوح تقديرات الانزياح الأحمر الضوئي بين
في عينتنا مع
في عينتنا مع
4.2.2.
COS-z10-3 تم اكتشافه في ثلاث نطاقات من NIRCam. COS-z10-3 لديه جار قريب.
4.2.3. COS-z10-4
COS-z10-4 يتم اكتشافه بشكل مشابه في ثلاث نطاقات من NIRCam مع نواة مضغوطة وانبعاث ممتد منتشر. لا توجد دلائل على أنه تم اكتشافه في تصوير UltraVISTA. تعرض مجموعة تصوير HSC griz انبعاثًا زائدًا محيرًا نحو الجنوب الغربي؛ لأن هذا ليس متطابقًا مكانيًا مع موقع المصدر ضمن
4.2.4. COS-z11-1
COS-z11-1 لديه أعلى انزياح أحمر في مجموعة “المشرقة” ويتم اكتشافه فقط في الثلاثة نطاقات NIRCam، مع اكتشافات في F150W وF277W وF444W. لا توجد أدلة من القصاصات المستندة إلى الأرض على انبعاث كبير فوق ضوضاء الخلفية. ليس لديه جيران وهو مناسب للانزياحات الحمراء.
4.2.5.
تم الكشف عن COS-z11-2 في ثلاث نطاقات من NIRCam ولديه هامش
نظرًا للغموض المحيط بـ COS-z11-2، نحتفظ به في عينة الارتفاع العالي لمزيد من التحليل.
نظرًا للغموض المحيط بـ COS-z11-2، نحتفظ به في عينة الارتفاع العالي لمزيد من التحليل.
4.3. المرشحون في
في محاولة لاستكشاف أكثر مجموعة متطرفة من الاكتشافات الجديدة ضمن فترة إعادة الانبعاث، قمنا أيضًا بتحديد عينة من المجرات المرشحة في
نهجنا تجاه المرشحين في هذا النظام هو بالتالي محافظ إلى حد ما. من مجموعة أولية تضم 31 مصدرًا في كتالوج EAZY الأولي القابل لقياسات الزخرفة الضوئية.
نلاحظ أن COS-z13-2 و COS-z14-1 كلاهما لهما تغطية MIRI عند
من بين المرشحين الخمسة، يظهر اثنان فقط احتمالات منخفضة الانزياح الحمراء مرتفعة بشكل ملحوظ عند استخدام فوتومترية الفتحة “الكلاسيكية” SE: COS-z14-2 لديه
لأغراض المناقشة والخصائص الفيزيائية الناتجة، نحتفظ فقط بثلاثة مصادر في
5. المناقشة
هنا نقدم مناقشة أكثر تفصيلاً حول تداعيات هذه الاكتشافات. أولاً، نقدم مناقشة تتعلق بالمتداخلين ذوي الانزياح الأحمر المنخفض، وقياس مباشر لكثافتهم الحجمية ومساهمتهم في دالة توزيع الضوء فوق البنفسجي، وملخص لخصائصهم الفيزيائية المقاسة. ثم نقدم مناقشة أكثر تفصيلاً حول تقديرات كتلتهم النجمية وكفاءات تشكيل النجوم المستنتجة لديهم ضمن نموذج المادة المظلمة الباردة لامدا.
5.1. إمكانية وجود متداخلين عند الانزياح الأحمر المنخفض
لقد أوضحت ملاحظات تلسكوب جيمس ويب الفضائي (JWST) حول المجرات ذات الانزياح الأحمر العالي حتى الآن أن المجرات في
تظهر الشكل 3 ثلاثة اشتقاقات مختلفة من PDFs الانزياح الأحمر الكامل من
UltraVISTA). نتيجة لذلك، يمكن اعتبار هذا الكتالوج الهجين بمثابة اختبار عقلاني على قياساتنا الضوئية المعتمدة على النماذج، حيث قمنا باستبدال الأكثر تقييدًا، العالي-
تحذير مهم من الفقرة السابقة هو اعتماد أولويات الانزياح الأحمر المسطحة، وهي تقليد أدبي يعتبر somewhat standard، على الرغم من أنها قد تكون معيبة. الكثافة السطحية للمجرات في السماء كدالة للانزياح الأحمر تنخفض بشكل حاد مع زيادة الانزياح الأحمر، بغض النظر عن السطوع. على سبيل المثال، الكثافة السطحية في السماء لـ
نظرًا للنطاق الأوسع من الملوثات المحتملة في COSMOS-Web، استكشفنا ما إذا كانت المعلمات المشتقة الناتجة عن مثل هذه الحلول ذات الانزياح الأحمر المنخفض في
حتى مع وضع حدود أكثر منطقية على
5.2. كثافة الحجم ومساهمة UVLF
زاوية الصلابة التي تغطيها COSMOS-Web حتى الآن هي
الشكل 4. المساهمة المباشرة للمصادر المعروضة في هذه الورقة في UVLF عند
والمعدل المتوسط للانزياح الأحمر للمجرات في الفئة قريب من
تظهر الشكل 4 المساهمة المباشرة للمصادر المكتشفة (المحسوبة باستخدام
أكثر ما يلفت الانتباه من بياناتنا هو الميل النسبي المسطح لـ UVLF في الطرف الساطع؛ قد يكون هذا ناتجًا عن عدم الاكتمال في فئة اللمعان المنخفضة لدينا، والتي لا نقوم بتصحيحها في هذا العمل. بالنظر إلى أن فئة المقدار عند
الجدول 3
قيود دالة اللمعان فوق البنفسجي
قيود دالة اللمعان فوق البنفسجي
|
|
|
|
|
|
| 11 | [9.5, 12.5] | -22.0 | 0.8 |
|
| 11 | [9.5, 12.5] | -21.2 | 0.8 |
|
| 14 | [13، 15] | -21.0 | 1.0 |
|
ملاحظة. المساهمة المقاسة لمرشحينا في UVLF عند
تمت ملاءمة دالة شكتير إلى دالة توزيع اللمعان فوق البنفسجي مشابهة لأعمال أخرى. ستتبع اشتقاق ملاحظي أكثر شمولاً لدالة توزيع اللمعان فوق البنفسجي من COSMOS-Web في ورقة قادمة (M. Franco et al. 2024، قيد الإعداد) وستتضمن محاكاة الاكتمال وقياسًا موسعًا حتى حد الكشف الأدنى للاستطلاع.
5.3. الخصائص الفيزيائية للسطوع
نظهر في الشكل 5 توزيع المصادر المعروضة في هذه الورقة من حيث اللمعان فوق البنفسجي المطلق، وانحدار فوق البنفسجي في إطار الراحة (
منحدرات الأشعة فوق البنفسجية في إطار الراحة لهذه العينة أكثر احمرارًا قليلاً من معظم مجرات ليمان-كسر (LBGs) في هذه الحقبة (الوسيط المقدم في الأدبيات عند
بينما تُوجد انحدارات الأشعة فوق البنفسجية الأكثر زُرقة في أعلى انزياح أحمر لدينا
الشكل 5. الخصائص الفيزيائية المستمدة لنجومنا اللامعة
يجب إزالتها من عيّنتنا لعدم استيفائها معايير الاختيار لدينا. لا يمكن معالجة هذا التحيز، الذي ينتشر في اختيار LBGs عند جميع الانزياحات الحمراء، بسهولة دون استثمارات كبيرة في الطيفية لعينات كبيرة.
تظهر الشكل 6 أحجام المجرات في العينة مقابل كثافة الكتلة النجمية السطحية وكثافة معدل تكوين النجوم السطحية. جميع المصادر مفصولة مكانيًا بأحجام متوسطة
5.4. عدم اليقين في الكتلة النجمية
الاشتقاقات الكتلية من بيانات الأشعة فوق البنفسجية في إطار السكون غير مؤكدة بطبيعتها. ومع ذلك، يوفر تلسكوب جيمس ويب الفضائي ذراع طول موجي أطول من تلسكوب هابل الفضائي، في النطاق البصري لإطار السكون، لتقييد الأطياف الطيفية للنجوم حتى ما بعد
الشكل 6. نصف أضواء نصف القطر المقاسة بواسطة F277W لعينة البيانات موضوعة مقابل كثافة الكتلة النجمية السطحية (اللوحة العلوية) وكثافة تشكيل النجوم السطحية (اللوحة السفلية). في الأعلى، نعرض كثافات الكتلة النجمية السطحية المتوسطة للمجرات الإهليلجية المحلية من لور (2007) والأقزام الفائقة الكثافة ومجموعات النجوم الفائقة من التجميع في هوبكنز وآخرون (2010). بالإضافة إلى ذلك، نعرض الأحجام والكثافات السطحية المقاسة لـ
الكون في
الإطار الزمني للراحة البصرية. نظرًا للاحتمالات المحتملة لكتل النجوم التي تتجاوز
الإطار الزمني للراحة البصرية. نظرًا للاحتمالات المحتملة لكتل النجوم التي تتجاوز
نحن أولاً نتحقق من حساسية نموذج تاريخ تشكيل النجوم المعتمد على الكتلة النجمية الناتجة؛ بشكل عام، فإن تشكيل النجوم الذي يحدث في الماضي سيكون له نسبة كتلة إلى ضوء أعلى مستنتجة لإطار الأشعة فوق البنفسجية، وبالتالي كتلة نجمية أعلى. نقارن نموذج بايبس المرجعي الخاص بنا، الذي يضع نموذجاً مؤجلاً-
إذا كانت نجوم الجيل الثالث من السكان تهيمن على الضوء في إطار الأشعة فوق البنفسجية، فإن دالة الكتلة الأولية الثقيلة المتوقعة لها (Hirano et al. 2014, 2015) ستؤدي إلى استمرارية فوق بنفسجية تهيمن عليها الانبعاثات السديمية، بدلاً من الانبعاثات النجمية. وهذا سيؤدي إلى نسبة ضوء إلى كتلة أعلى من الأشعة فوق البنفسجية (على سبيل المثال، Schaerer & de Barros 2009) بعوامل
أخيرًا، نعتبر تأثير AGN على تقديرات الكتلة النجمية لدينا. لقد أصبح من الواضح أن الثقوب السوداء الهائلة التي تتراكم بشكل نشط قد تكون مصدرًا بارزًا لإنتاج الطاقة في الأوقات المبكرة، وقد مكن تلسكوب جيمس ويب الفضائي من تحديد AGN مع ثقوب سوداء ذات كتل أقل في أوقات سابقة (لارسون وآخرون 2023). لكي يؤثر AGN بشكل كبير على الكتل في عيّنتنا، يجب أن يهيمنوا على سطوع الأشعة فوق البنفسجية في إطار الزمان بمقدار عدة مرات مقارنة بالمساهمة النجمية. وهذا سيترجم فعليًا إلى حد أدنى لسطوع AGN قدره
الكتل النجمية لعينة لدينا، كما تم تقديرها باستخدام نموذجنا القياسي لبرامج Bagpipes للانفجارات + التأخير-
الشكل 7. الكتلة النجمية مقابل الانزياح الأحمر لعينة لدينا بالنسبة لمنحنيات كثافة الحجم الثابتة، وارتفاع الذروة، وغيرها من المجرات المرشحة المبلغ عنها في الأدبيات (نقاط رمادية فاتحة). يتم توليد منحنيات كثافة الحجم (باللون الأرجواني) وارتفاع الذروة (باللون البرتقالي) من توقع دالة كتلة الهالة مقاسة بواسطة نسبة الباريونات الكونية.
ضد الانزياح الأحمر في الشكل 7. في المتوسط، فإن عدم اليقين لديهم هو
5.5. المنارات الضخمة: تجميع الهالات الميغاليثية الأولى؟
في فضاء الكتلة النجمية، تدفع مجموعة فرعية من عينتنا حدود المصادر الأكثر ضخامة التي يمكن العثور عليها بشكل معقول في مسوحات JWST العميقة عند
منحنيات ارتفاع الذروة الثابتة
منحنيات ارتفاع الذروة الثابتة
في الشكل 8، نحسب مباشرة كثافة الكتلة النجمية التراكمية في صندوقين مركزيين عند
تشير بعض الأعمال النظرية إلى أنها كذلك. على وجه الخصوص، فإن المجرات عند
مع بداية متأخرة للتغذية الراجعة، قد يتوقع المرء أن كفاءة تشكيل النجوم الفورية (
تقدم Ferrara et al. (2023) تفسيرًا نظريًا آخر للأنظمة المبكرة اللامعة جدًا، الذين يقترحون أن
الشكل 8. كثافة حجم الكتلة النجمية التراكمية كدالة للكتلة النجمية المحسوبة عند
قد تؤدي الانفجارات القصيرة الأمد لتشكيل النجوم فوق إيدينغتون إلى نفخ الغالبية العظمى من الغبار في المجرات المبكرة (مع sSFR
يوضح الشكل 9 عرضًا آخر للكتل النجمية في عينتنا مقابل الانزياح الأحمر. هنا أظهرنا مباشرة كيف قد تبدو مجموعة الأجداد للأنظمة الثلاثة الأكثر ضخامة عند
الشكل 9. الكتلة النجمية مقابل الانزياح الأحمر للمرشحات المحددة في هذه الورقة (النجوم). هنا نبرز SFHs المتكاملة للمرشحات الثلاثة الأكثر ضخامة
تسيطر عليها انفجارات حديثة، بحيث نمت كتلها النجمية بمعدلات تفوق بكثير نمو هالات المادة المظلمة الأم (عند كثافة حجم ثابتة). كما تم الإشارة إليه في القسم 5.4، فإن هذا النمو السريع والحديث في الكتلة النجمية يوفر أكثر تقديرات الكتلة النجمية تحفظًا للعينة ككل. الطبيعة المدفوعة بالانفجارات المقترحة لـ COS-z12-1 وCOS-z12-2 وCOS-z12-3 على وجه الخصوص قد تعني أن كتل هالات المجرات المضيفة لها قد تكون في جوهرها أقل مما قد يتوقعه المرء بالنظر إلى كتلها النجمية، بما يتماشى مع بعض المجرات الأقل سطوعًا في عينتنا. وقد أظهرت الأعمال الأخيرة من محاكاة FIRE (Sun et al. 2023) أنه، في الواقع، لا توجد تعديلات خاصة مطلوبة لإعادة إنتاج الخصائص الملحوظة لاكتشافات JWST المبكرة الساطعة جدًا، والتي يجدون أنها مدفوعة بانفجارات عشوائية وحديثة لتكوين النجوم.
يجب أن نلاحظ أنه في معظم، إن لم يكن في جميع، النماذج النظرية التي تم بناؤها لشرح الكتل الضخمة جداً
صعود مثل هذه الضخمة
سكان السلف، على الرغم من الإطار الزمني القصير
سكان السلف، على الرغم من الإطار الزمني القصير
5.6. ليست جميع الباريونات نجومًا
معظم الباريونات في هالات المجرات تتجاوز
أولاً، من الجدير بالاعتراف أن الكفاءات الملاحظة النموذجية في عملية تشكيل النجوم نادراً ما تتجاوز
السحب الجزيئية ولكنها ضرورية لبناء المجموعات النجمية المرصودة.
السحب الجزيئية ولكنها ضرورية لبناء المجموعات النجمية المرصودة.
على الرغم من عدم ارتباطها بالملاحظات المباشرة في
ستكون المتابعات اللاحقة لملاحظات ALMA لهذه الأنظمة ذات قيمة لا تقدر بثمن لتوفير تقدير مستقل للميزانيات الباريونية الإجمالية للمجرات. على سبيل المثال، المسحات الطيفية لـ [O III] (في إطار الراحة
5.7. الكوزمولوجيات البديلة تتنبأ بهالات أكثر ضخامة في وقت مبكر
تفسير بديل للنسب العالية جدًا من الباريونات النجمية التي تشير إليها عينتنا (مع
هالات ضخمة، نحن حساسون لاكتشافها في COSMOS-Web؛ في
هالات ضخمة، نحن حساسون لاكتشافها في COSMOS-Web؛ في
5.8. الانفجارات العشوائية المحركة
مقدم
هذه الفرضية تتماشى مع هيمنة تشكيل النجوم المدفوع بالانفجارات في الطرف الساطع من دالة توزيع اللمعان فوق البنفسجي كما اقترحتها المحاكاة الكونية (شين وآخرون 2023؛ صن وآخرون 2023). من شأن هذا النمو الفعال والسريع أن يسهل غياب الخلفية فوق البنفسجية في عصر ما قبل إعادة التأين. قد تتكون هذه الانفجارات من عدة فترات قصيرة (
إذا كان الطرف الساطع من UVLF (على سبيل المثال،
وقد تساعد دالة شكتير في تقييد زمن الانفجار المميز للأجسام الساطعة جدًا
6. الاستنتاجات
لقد قدمنا 15 مجرة مرشحة مضيئة بطبيعتها في
تعتبر اللمعان في نطاق الأشعة فوق البنفسجية في إطار الراحة من بين brightest المصادر التي تم التعرف عليها على الإطلاق عند هذه الانزياحات الحمراء، في المتوسط.
أربعة من الـ 12 القوية
بينما بذلنا جهدًا كبيرًا لتقديم أمان
تُجرى الأبحاث في المستقبل)، وبالتالي فهي تعمل كمختبر مهم لتشكيل وتطور أول المجرات اللامعة، بما في ذلك البحث عن نجوم المجموعة السكانية الثالثة، وبداية إنتاج المعادن والغبار، بالإضافة إلى القيود المباشرة على نسبة الغاز المحايد في أوقات مبكرة جداً.
شكر وتقدير
نود أن نشكر المراجع المجهول على الملاحظات البناءة خلال عملية التحكيم. تم تقديم الدعم لهذا العمل من قبل ناسا من خلال منحة JWST-GO01727 الممنوحة من معهد علوم التلسكوب الفضائي، الذي تديره جمعية الجامعات للبحث في علم الفلك، بموجب عقد ناسا NAS526555. يقر كل من C.M.C. وH.A. وM.F. وJ.M. وA.S.L. وO.R.C. بالدعم المقدم من مؤسسة العلوم الوطنية من خلال المنح AST-2307006 وAST-2009577، ومن كلية العلوم الطبيعية بجامعة تكساس في أوستن. كما يقر C.M.C. بالدعم المقدم من مؤسسة الأبحاث لتقدم العلوم من خلال جائزة كوتريل للعالم لعام 2019 برعاية IF/THEN، وهي مبادرة من مؤسسات ليدا هيل الخيرية.
مركز dawn الكوني (DAWN) ممول من قبل مؤسسة الأبحاث الوطنية الدنماركية (DNRF) بموجب المنحة رقم 140. وقد أصبح هذا العمل ممكنًا بفضل مجموعة CANDIDE في معهد علم الفلك في باريس، التي تم تمويلها من خلال منح من PNCG و CNES و DIM-ACAV ومركز dawn الكوني؛ يتم صيانة CANDIDE بواسطة S. Rouberol. يتم دعم الفريق الفرنسي من COSMOS جزئيًا من قبل المركز الوطني للدراسات الفضائية (CNES). O.I. يعترف بتمويل الوكالة الوطنية الفرنسية للبحث لمشروع iMAGE (المنحة ANR-22-CE31-0007). M.B.K. يعترف بالدعم من جائزة NSF CAREER AST-1752913، ومنح NSF AST-1910346 و AST-2108962، ومنحة NASA 80NSSC22K0827، و HST-AR-15809، و HST-GO-15658، و HST-GO-15901، و HST-GO15902، و HST-AR-16159، و HST-GO-16226، و HST-GO-16686، و HST-AR-17028، و HST-AR-17043 من معهد علوم تلسكوب الفضاء، الذي تديره AURA، Inc.، بموجب عقد NASA NAS5-26555. S.G. يعترف بالدعم المالي من منح Villum Young Investigator 37440 و 13160.
استنادًا جزئيًا إلى الملاحظات التي تم جمعها في المرصد الجنوبي الأوروبي تحت برامج ESO 179.A-2005 و198.A-2003 وعلى البيانات التي تم الحصول عليها من مرفق أرشيف علوم ESO برقم doi:10.18727/archive/52، وعلى منتجات البيانات التي تم إنتاجها بواسطة CALET ووحدة مسح الفلك في كامبريدج نيابة عن اتحاد UltraVISTA. تم الحصول على بعض البيانات المقدمة في هذه الورقة من أرشيف ميكولسكي لتلسكوبات الفضاء (MAST) في معهد علوم التلسكوب الفضائي. يمكن الوصول إلى الملاحظات المحددة التي تم تحليلها عبر doi:10.17909/ahg3-e826.
معرفات ORCID
كيتلين م. كيسي ©https://orcid.org/0000-0002-0930-6466
هوليس ب. أكين ©https://orcid.org/0000-0003-3596-8794
ماركو شونتوف ©https://orcid.org/0000-0002-7087-0701
أوليفييه إيلبيرت ©https://orcid.org/0000-0002-7303-4397
لويس باكيرو ©https://orcid.org/0000-0003-2397-0360
ماكسيميليان فرانكو ©https://orcid.org/0000-0002-3560-8599
كريستوفر سي. هايوارد ©https://orcid.org/0000-0003-4073-3236
ستيفن ل. فينكلشتاين ©https://orcid.org/0000-0001-8519-1130
هوليس ب. أكين ©https://orcid.org/0000-0003-3596-8794
ماركو شونتوف ©https://orcid.org/0000-0002-7087-0701
أوليفييه إيلبيرت ©https://orcid.org/0000-0002-7303-4397
لويس باكيرو ©https://orcid.org/0000-0003-2397-0360
ماكسيميليان فرانكو ©https://orcid.org/0000-0002-3560-8599
كريستوفر سي. هايوارد ©https://orcid.org/0000-0003-4073-3236
ستيفن ل. فينكلشتاين ©https://orcid.org/0000-0001-8519-1130
مايكل بويلان-كولتشين ©https://orcid.org/0000-0002-9604-343X
برانت إي. روبرتسون (10)https://orcid.org/0000-0002-4271-0364
ناتالي ألين (10)https://orcid.org/0000-0001-9610-7950
مالتي برينش ©https://orcid.org/0000-0002-0245-6365
أوليفيا ر. كوبر ©https://orcid.org/0000-0003-3881-1397
زوهينغ دينغ ©https://orcid.org/0000-0002-0786-7307
نيكول إي. دراكوس ©https://orcid.org/0000-0003-4761-2197
أندرياس ل. فايست ©https://orcid.org/0000-0002-9382-9832
سيجي فوجيموتو ©https://orcid.org/0000-0001-7201-5066
ستيفن جيلمان ©https://orcid.org/0000-0001-9885-4589
سانتوش هاريش ©https://orcid.org/0000-0003-0129-2079
ميكايلا هيرشمان ©https://orcid.org/0000-0002-3301-3321
شوان وين جين ©https://orcid.org/0000-0002-8412-7951
جيهان س. كارتالتيبي ©https://orcid.org/0000-0001-9187-3605
أنطون م. كوكيمور ©https://orcid.org/0000-0002-6610-2048
فاسيلي كوكوريف ©https://orcid.org/0000-0002-5588-9156
دايزهونغ ليو ©https://orcid.org/0000-0001-9773-7479
أريانا س. لونغ ©https://orcid.org/0000-0002-7530-8857
جورجيوس ماغديس ©https://orcid.org/0000-0002-4872-2294
كلوديا ماراستون ©https://orcid.org/0000-0001-7711-3677
كريستال ل. مارتن ©https://orcid.org/0000-0001-9189-7818
هنري جوي مكراكين ©https://orcid.org/0000-0002-9489-7765
جاد مكيني ©https://orcid.org/0000-0002-6149-8178
بهارم مباشر ©https://orcid.org/0000-0001-5846-4404
جيسون رودس ©https://orcid.org/0000-0002-4485-8549
ر. مايكل ريتش ©https://orcid.org/0000-0003-0427-8387
برانت إي. روبرتسون (10)https://orcid.org/0000-0002-4271-0364
ناتالي ألين (10)https://orcid.org/0000-0001-9610-7950
مالتي برينش ©https://orcid.org/0000-0002-0245-6365
أوليفيا ر. كوبر ©https://orcid.org/0000-0003-3881-1397
زوهينغ دينغ ©https://orcid.org/0000-0002-0786-7307
نيكول إي. دراكوس ©https://orcid.org/0000-0003-4761-2197
أندرياس ل. فايست ©https://orcid.org/0000-0002-9382-9832
سيجي فوجيموتو ©https://orcid.org/0000-0001-7201-5066
ستيفن جيلمان ©https://orcid.org/0000-0001-9885-4589
سانتوش هاريش ©https://orcid.org/0000-0003-0129-2079
ميكايلا هيرشمان ©https://orcid.org/0000-0002-3301-3321
شوان وين جين ©https://orcid.org/0000-0002-8412-7951
جيهان س. كارتالتيبي ©https://orcid.org/0000-0001-9187-3605
أنطون م. كوكيمور ©https://orcid.org/0000-0002-6610-2048
فاسيلي كوكوريف ©https://orcid.org/0000-0002-5588-9156
دايزهونغ ليو ©https://orcid.org/0000-0001-9773-7479
أريانا س. لونغ ©https://orcid.org/0000-0002-7530-8857
جورجيوس ماغديس ©https://orcid.org/0000-0002-4872-2294
كلوديا ماراستون ©https://orcid.org/0000-0001-7711-3677
كريستال ل. مارتن ©https://orcid.org/0000-0001-9189-7818
هنري جوي مكراكين ©https://orcid.org/0000-0002-9489-7765
جاد مكيني ©https://orcid.org/0000-0002-6149-8178
بهارم مباشر ©https://orcid.org/0000-0001-5846-4404
جيسون رودس ©https://orcid.org/0000-0002-4485-8549
ر. مايكل ريتش ©https://orcid.org/0000-0003-0427-8387
ديفيد ب. ساندرز ©https://orcid.org/0000-0002-1233-9998
جون د. سيلفرمان ©https://orcid.org/0000-0002-0000-6977
صن توفت ©https://orcid.org/0000-0003-3631-7176
أسوين ب. فيجيان ©https://orcid.org/0000-0002-1905-4194
جون ر. ويفر ©https://orcid.org/0000-0003-1614-196X
ستيفن م. ويلكينز ©https://orcid.org/0000-0003-3903-6935
ليلان يانغ (10)https://orcid.org/0000-0002-8434-880X
خورخي أ. زافالا (دhttps://orcid.org/0000-0002-7051-1100
جون د. سيلفرمان ©https://orcid.org/0000-0002-0000-6977
صن توفت ©https://orcid.org/0000-0003-3631-7176
أسوين ب. فيجيان ©https://orcid.org/0000-0002-1905-4194
جون ر. ويفر ©https://orcid.org/0000-0003-1614-196X
ستيفن م. ويلكينز ©https://orcid.org/0000-0003-3903-6935
ليلان يانغ (10)https://orcid.org/0000-0002-8434-880X
خورخي أ. زافالا (دhttps://orcid.org/0000-0002-7051-1100
References
Adams, N. J., Bowler, R. A. A., Jarvis, M. J., et al. 2020, MNRAS, 494, 1771
Adams, N. J., Conselice, C. J., Austin, D., et al. 2023a, arXiv:2304.13721
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023b, MNRAS, 518, 4755
Aihara, H., AlSayyad, Y., Ando, M., et al. 2022, PASJ, 74, 247
Aretxaga, I., Wilson, G., Aguilar, E., et al. 2011, MNRAS, 415, 3831
Armus, L., Mazzarella, J., Evans, A., et al. 2009, PASP, 121, 559
Arnouts, S., Le Floc’h, E., Chevallard, J., et al. 2013, A&A, 558, A67
Arnouts, S., Moscardini, L., Vanzella, E., et al. 2002, MNRAS, 329, 355
Arrabal Haro, P., Dickinson, M., Finkelstein, S. L., et al. 2023, Natur, 622, 707
Baggen, J. F. W., van Dokkum, P., Labbe, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Rojas-Ruiz, S., et al. 2024, ApJ, 961, 209
Bakx, T. J. L. C., Zavala, J. A., Mitsuhashi, I., et al. 2023, MNRAS, 519, 5076
Behroozi, P., Conroy, C., & Wechsler, R. 2010, ApJ, 717, 379
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Bertin, E. 2011, in ASP Conf. Ser. 442, Astronomical Data Analysis Software and Systems XX, ed. I. N. Evans et al. (San Francisco, CA: ASP), 435
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bertin, E., Schefer, M., Apostolakos, N., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 461
Bigiel, F., Leroy, A., Walter, F., et al. 2010, AJ, 140, 1194
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Boucaud, A., Bocchio, M., Abergel, A., et al. 2016, A&A, 596, A63
Bouwens, R., Illingworth, G., Oesch, P., et al. 2015, ApJ, 803, 34
Adams, N. J., Conselice, C. J., Austin, D., et al. 2023a, arXiv:2304.13721
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023b, MNRAS, 518, 4755
Aihara, H., AlSayyad, Y., Ando, M., et al. 2022, PASJ, 74, 247
Aretxaga, I., Wilson, G., Aguilar, E., et al. 2011, MNRAS, 415, 3831
Armus, L., Mazzarella, J., Evans, A., et al. 2009, PASP, 121, 559
Arnouts, S., Le Floc’h, E., Chevallard, J., et al. 2013, A&A, 558, A67
Arnouts, S., Moscardini, L., Vanzella, E., et al. 2002, MNRAS, 329, 355
Arrabal Haro, P., Dickinson, M., Finkelstein, S. L., et al. 2023, Natur, 622, 707
Baggen, J. F. W., van Dokkum, P., Labbe, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Rojas-Ruiz, S., et al. 2024, ApJ, 961, 209
Bakx, T. J. L. C., Zavala, J. A., Mitsuhashi, I., et al. 2023, MNRAS, 519, 5076
Behroozi, P., Conroy, C., & Wechsler, R. 2010, ApJ, 717, 379
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Bertin, E. 2011, in ASP Conf. Ser. 442, Astronomical Data Analysis Software and Systems XX, ed. I. N. Evans et al. (San Francisco, CA: ASP), 435
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bertin, E., Schefer, M., Apostolakos, N., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 461
Bigiel, F., Leroy, A., Walter, F., et al. 2010, AJ, 140, 1194
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Boucaud, A., Bocchio, M., Abergel, A., et al. 2016, A&A, 596, A63
Bouwens, R., Illingworth, G., Oesch, P., et al. 2015, ApJ, 803, 34
Bouwens, R. J., Stefanon, M., Brammer, G., et al. 2023, MNRAS, 523, 1036
Bowler, R., Dunlop, J., McLure, R., & McLeod, D. 2017, MNRAS, 466, 3612
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G., van Dokkum, P., & Coppi, P. 2008, ApJ, 686, 1503
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burnham, A. D., Casey, C. M., Zavala, J. A., et al. 2021, ApJ, 910, 89
Bushouse, H., Eisenhamer, J., Dencheva, N., et al. 2023, JWST Calibration Pipeline, v1.10.0, Zenodo, doi:10.5281/zenodo. 7795697
Calzetti, D., Armus, L., Bohlin, R., et al. 2000, ApJ, 533, 682
Capak, P., Aussel, H., Ajiki, M., et al. 2007, ApJS, 172, 99
Carnall, A. C., McLure, R. J., Dunlop, J. S., & Davé, R. 2018, MNRAS, 480, 4379
Carnall, A. C., McLure, R. J., Dunlop, J. S., et al. 2023, Natur, 619, 716
Casey, C., Narayanan, D., & Cooray, A. 2014, PhR, 541, 45
Casey, C. M., Kartaltepe, J. S., Drakos, N. E., et al. 2023, ApJ, 954, 31
Castellano, M., Fontana, A., Treu, T., et al. 2022, ApJL, 938, L15
Chabrier, G. 2003, PASP, 115, 763
Civano, F., Marchesi, S., Comastri, A., et al. 2016, ApJ, 819, 62
Coe, D., Zitrin, A., Carrasco, M., et al. 2013, ApJ, 762, 32
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., & Wechsler, R. 2009, ApJ, 696, 620
da Cunha, E., Walter, F., Smail, I., et al. 2015, ApJ, 806, 110
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Ding, X., Silverman, J., Treu, T., et al. 2020, ApJ, 888, 37
Donnan, C. T., McLeod, D. J., Dunlop, J. S., et al. 2023, MNRAS, 518, 6011
Dressler, A., Rieke, M., Eisenstein, D., et al. 2023, arXiv:2306.02469
Drlica-Wagner, A., Sevilla-Noarbe, I., Rykoff, E. S., et al. 2018, ApJS, 235, 33
Endsley, R., Stark, D. P., Whitler, L., et al. 2023a, MNRAS, 524, 2312
Endsley, R., Stark, D. P., Whitler, L., et al. 2023b, arXiv:2306.05295
Evans, N., II, Dunham, M., Jørgensen, J., et al. 2009, ApJS, 181, 321
Evstigneeva, E. A., Gregg, M. D., Drinkwater, M. J., & Hilker, M. 2007, AJ, 133, 1722
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. 2016, PASA, 33, e037
Finkelstein, S., Papovich, C., Salmon, B., et al. 2012, ApJ, 756, 164
Finkelstein, S. L., Bagley, M., Song, M., et al. 2022a, ApJ, 928, 52
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Bagley, M. B., Arrabal Haro, P., et al. 2022b, ApJL, 940, L55
Finkelstein, S. L., Bagley, M. B., Ferguson, H. C., et al. 2023a, ApJL, 946, L13
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023b, arXiv:2311. 04279
Franco, M., Akins, H. B., Casey, C. M., et al. 2023, arXiv:2308.00751
Fujimoto, S., Finkelstein, S. L., Burgarella, D., et al. 2023, ApJ, 955, 130
Fujimoto, S., Ouchi, M., Ono, Y., et al. 2016, ApJS, 222, 1
Glazebrook, K., Nanayakkara, T., Schreiber, C., et al. 2023, arXiv:2308.05606
Grudić, M. Y., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2018, MNRAS, 475, 3511
Haşegan, M., Jordán, A., Côté, P., et al. 2005, ApJ, 627, 203
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024, ApJ, 964, 71
Harikane, Y., Ono, Y., Ouchi, M., et al. 2022, ApJS, 259, 20
Harikane, Y., Ouchi, M., Oguri, M., et al. 2023, ApJS, 265, 5
Hilker, M., Baumgardt, H., Infante, L., et al. 2007, A&A, 463, 119
Hirano, S., Hosokawa, T., Yoshida, N., Omukai, K., & Yorke, H. W. 2015, MNRAS, 448, 568
Hirano, S., Hosokawa, T., Yoshida, N., et al. 2014, ApJ, 781, 60
Hodge, J., Swinbank, A., Simpson, J., et al. 2016, ApJ, 833, 103
Hopkins, P. F., Murray, N., Quataert, E., & Thompson, T. A. 2010, MNRAS, 401, L19
Ilbert, O., Arnouts, S., Le Floc’h, E., et al. 2015, A&A, 579, A2
Ilbert, O., Arnouts, S., McCracken, H. J., et al. 2006, A&A, 457, 841
Jarvis, M., Taylor, R., Agudo, I., et al. 2016, in Proc. of MeerKAT Science, On the Pathway to the SKA, 6
Kartaltepe, J., Sanders, D., Scoville, N., et al. 2007, ApJS, 172, 320
Karwal, T., & Kamionkowski, M. 2016, PhRvD, 94, 103523
Kauffmann, O. B., Ilbert, O., Weaver, J. R., et al. 2022, A&A, 667, A65
Kennicutt, R., & Evans, N. 2012, ARA&A, 50, 531
Kennicutt, R., Jr 1998, ApJ, 498, 541
Klypin, A., Poulin, V., Prada, F., et al. 2021, MNRAS, 504, 769
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Koekemoer, A., Aussel, H., Calzetti, D., et al. 2007, ApJS, 172, 196
Kümmel, M., Bertin, E., Schefer, M., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 29
Bowler, R., Dunlop, J., McLure, R., & McLeod, D. 2017, MNRAS, 466, 3612
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G., van Dokkum, P., & Coppi, P. 2008, ApJ, 686, 1503
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burnham, A. D., Casey, C. M., Zavala, J. A., et al. 2021, ApJ, 910, 89
Bushouse, H., Eisenhamer, J., Dencheva, N., et al. 2023, JWST Calibration Pipeline, v1.10.0, Zenodo, doi:10.5281/zenodo. 7795697
Calzetti, D., Armus, L., Bohlin, R., et al. 2000, ApJ, 533, 682
Capak, P., Aussel, H., Ajiki, M., et al. 2007, ApJS, 172, 99
Carnall, A. C., McLure, R. J., Dunlop, J. S., & Davé, R. 2018, MNRAS, 480, 4379
Carnall, A. C., McLure, R. J., Dunlop, J. S., et al. 2023, Natur, 619, 716
Casey, C., Narayanan, D., & Cooray, A. 2014, PhR, 541, 45
Casey, C. M., Kartaltepe, J. S., Drakos, N. E., et al. 2023, ApJ, 954, 31
Castellano, M., Fontana, A., Treu, T., et al. 2022, ApJL, 938, L15
Chabrier, G. 2003, PASP, 115, 763
Civano, F., Marchesi, S., Comastri, A., et al. 2016, ApJ, 819, 62
Coe, D., Zitrin, A., Carrasco, M., et al. 2013, ApJ, 762, 32
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., & Wechsler, R. 2009, ApJ, 696, 620
da Cunha, E., Walter, F., Smail, I., et al. 2015, ApJ, 806, 110
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Ding, X., Silverman, J., Treu, T., et al. 2020, ApJ, 888, 37
Donnan, C. T., McLeod, D. J., Dunlop, J. S., et al. 2023, MNRAS, 518, 6011
Dressler, A., Rieke, M., Eisenstein, D., et al. 2023, arXiv:2306.02469
Drlica-Wagner, A., Sevilla-Noarbe, I., Rykoff, E. S., et al. 2018, ApJS, 235, 33
Endsley, R., Stark, D. P., Whitler, L., et al. 2023a, MNRAS, 524, 2312
Endsley, R., Stark, D. P., Whitler, L., et al. 2023b, arXiv:2306.05295
Evans, N., II, Dunham, M., Jørgensen, J., et al. 2009, ApJS, 181, 321
Evstigneeva, E. A., Gregg, M. D., Drinkwater, M. J., & Hilker, M. 2007, AJ, 133, 1722
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. 2016, PASA, 33, e037
Finkelstein, S., Papovich, C., Salmon, B., et al. 2012, ApJ, 756, 164
Finkelstein, S. L., Bagley, M., Song, M., et al. 2022a, ApJ, 928, 52
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Bagley, M. B., Arrabal Haro, P., et al. 2022b, ApJL, 940, L55
Finkelstein, S. L., Bagley, M. B., Ferguson, H. C., et al. 2023a, ApJL, 946, L13
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023b, arXiv:2311. 04279
Franco, M., Akins, H. B., Casey, C. M., et al. 2023, arXiv:2308.00751
Fujimoto, S., Finkelstein, S. L., Burgarella, D., et al. 2023, ApJ, 955, 130
Fujimoto, S., Ouchi, M., Ono, Y., et al. 2016, ApJS, 222, 1
Glazebrook, K., Nanayakkara, T., Schreiber, C., et al. 2023, arXiv:2308.05606
Grudić, M. Y., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2018, MNRAS, 475, 3511
Haşegan, M., Jordán, A., Côté, P., et al. 2005, ApJ, 627, 203
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024, ApJ, 964, 71
Harikane, Y., Ono, Y., Ouchi, M., et al. 2022, ApJS, 259, 20
Harikane, Y., Ouchi, M., Oguri, M., et al. 2023, ApJS, 265, 5
Hilker, M., Baumgardt, H., Infante, L., et al. 2007, A&A, 463, 119
Hirano, S., Hosokawa, T., Yoshida, N., Omukai, K., & Yorke, H. W. 2015, MNRAS, 448, 568
Hirano, S., Hosokawa, T., Yoshida, N., et al. 2014, ApJ, 781, 60
Hodge, J., Swinbank, A., Simpson, J., et al. 2016, ApJ, 833, 103
Hopkins, P. F., Murray, N., Quataert, E., & Thompson, T. A. 2010, MNRAS, 401, L19
Ilbert, O., Arnouts, S., Le Floc’h, E., et al. 2015, A&A, 579, A2
Ilbert, O., Arnouts, S., McCracken, H. J., et al. 2006, A&A, 457, 841
Jarvis, M., Taylor, R., Agudo, I., et al. 2016, in Proc. of MeerKAT Science, On the Pathway to the SKA, 6
Kartaltepe, J., Sanders, D., Scoville, N., et al. 2007, ApJS, 172, 320
Karwal, T., & Kamionkowski, M. 2016, PhRvD, 94, 103523
Kauffmann, O. B., Ilbert, O., Weaver, J. R., et al. 2022, A&A, 667, A65
Kennicutt, R., & Evans, N. 2012, ARA&A, 50, 531
Kennicutt, R., Jr 1998, ApJ, 498, 541
Klypin, A., Poulin, V., Prada, F., et al. 2021, MNRAS, 504, 769
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Koekemoer, A., Aussel, H., Calzetti, D., et al. 2007, ApJS, 172, 196
Kümmel, M., Bertin, E., Schefer, M., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 29
Labbe, I., Greene, J. E., Bezanson, R., et al. 2023, arXiv:2306.07320
Labbe, I., van Dokkum, P., Nelson, E., et al. 2023, Natur, 616, 266
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Larson, R. L., Hutchison, T. A., Bagley, M., et al. 2023, ApJ, 958, 141
Lauer, T., Tremaine, S., Richstone, D., & Faber, S. 2007, ApJ, 670, 249
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Looser, T. J., D’Eugenio, F., Maiolino, R., et al. 2023, arXiv:2306.02470
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Mandelbaum, R., Seljak, U., Kauffmann, G., Hirata, C., & Brinkmann, J. 2006, MNRAS, 368, 715
Mashian, N., Oesch, P. A., & Loeb, A. 2016, MNRAS, 455, 2101
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
McCracken, H., Milvang-Jensen, B., Dunlop, J., et al. 2012, A&A, 544, A156
McCrady, N., & Graham, J. R. 2007, ApJ, 663, 844
McKinney, J., Finnerty, L., Casey, C. M., et al. 2023a, ApJL, 946, L39
McKinney, J., Pope, A., Kirkpatrick, A., et al. 2023b, ApJ, 955, 136
McLeod, D., McLure, R., Dunlop, J., et al. 2015, MNRAS, 450, 3032
McLeod, D. J., Donnan, C. T., McLure, R. J., et al. 2024, MNRAS, 527, 5004
McLeod, D. J., McLure, R. J., & Dunlop, J. S. 2016, MNRAS, 459, 3812
Michałowski, M. J., Dunlop, J. S., Cirasuolo, M., et al. 2012, A&A, 541, A85
Michałowski, M. J., Hayward, C. C., Dunlop, J. S., et al. 2014, A&A, 571, A75
Miralda-Escudé, J. 1998, ApJ, 501, 15
Mitchell, P. D., Lacey, C. G., Baugh, C. M., & Cole, S. 2013, MNRAS, 435, 87
Morley, C. V., Fortney, J. J., Marley, M. S., et al. 2012, ApJ, 756, 172
Morley, C. V., Marley, M. S., Fortney, J. J., et al. 2014, ApJ, 787, 78
Muñoz, J. B., Mirocha, J., Furlanetto, S., & Sabti, N. 2023, MNRAS, 526, L47
Naidu, R. P., Oesch, P. A., Setton, D. J., et al. 2022a, arXiv:2208.02794
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022b, ApJL, 940, L14
Narayanan, D., Krumholz, M., Ostriker, E., & Hernquist, L. 2012, MNRAS, 421, 3127
Oesch, P., Bouwens, R., Illingworth, G., et al. 2014, ApJ, 786, 108
Oesch, P., Brammer, G., van Dokkum, P., et al. 2016, ApJ, 819, 129
Oesch, P. A., Bouwens, R. J., Illingworth, G. D., Labbé, I., & Stefanon, M. 2018, ApJ, 855, 105
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Ostriker, E. C., & Shetty, R. 2011, ApJ, 731, 41
Peng, C., Ho, L., Impey, C., & Rix, H. 2002, AJ, 124, 266
Peng, C. Y., Ho, L. C., Impey, C. D., & Rix, H.-W. 2010, AJ, 139, 2097
Labbe, I., van Dokkum, P., Nelson, E., et al. 2023, Natur, 616, 266
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Larson, R. L., Hutchison, T. A., Bagley, M., et al. 2023, ApJ, 958, 141
Lauer, T., Tremaine, S., Richstone, D., & Faber, S. 2007, ApJ, 670, 249
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Looser, T. J., D’Eugenio, F., Maiolino, R., et al. 2023, arXiv:2306.02470
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Mandelbaum, R., Seljak, U., Kauffmann, G., Hirata, C., & Brinkmann, J. 2006, MNRAS, 368, 715
Mashian, N., Oesch, P. A., & Loeb, A. 2016, MNRAS, 455, 2101
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
McCracken, H., Milvang-Jensen, B., Dunlop, J., et al. 2012, A&A, 544, A156
McCrady, N., & Graham, J. R. 2007, ApJ, 663, 844
McKinney, J., Finnerty, L., Casey, C. M., et al. 2023a, ApJL, 946, L39
McKinney, J., Pope, A., Kirkpatrick, A., et al. 2023b, ApJ, 955, 136
McLeod, D., McLure, R., Dunlop, J., et al. 2015, MNRAS, 450, 3032
McLeod, D. J., Donnan, C. T., McLure, R. J., et al. 2024, MNRAS, 527, 5004
McLeod, D. J., McLure, R. J., & Dunlop, J. S. 2016, MNRAS, 459, 3812
Michałowski, M. J., Dunlop, J. S., Cirasuolo, M., et al. 2012, A&A, 541, A85
Michałowski, M. J., Hayward, C. C., Dunlop, J. S., et al. 2014, A&A, 571, A75
Miralda-Escudé, J. 1998, ApJ, 501, 15
Mitchell, P. D., Lacey, C. G., Baugh, C. M., & Cole, S. 2013, MNRAS, 435, 87
Morley, C. V., Fortney, J. J., Marley, M. S., et al. 2012, ApJ, 756, 172
Morley, C. V., Marley, M. S., Fortney, J. J., et al. 2014, ApJ, 787, 78
Muñoz, J. B., Mirocha, J., Furlanetto, S., & Sabti, N. 2023, MNRAS, 526, L47
Naidu, R. P., Oesch, P. A., Setton, D. J., et al. 2022a, arXiv:2208.02794
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022b, ApJL, 940, L14
Narayanan, D., Krumholz, M., Ostriker, E., & Hernquist, L. 2012, MNRAS, 421, 3127
Oesch, P., Bouwens, R., Illingworth, G., et al. 2014, ApJ, 786, 108
Oesch, P., Brammer, G., van Dokkum, P., et al. 2016, ApJ, 819, 129
Oesch, P. A., Bouwens, R. J., Illingworth, G. D., Labbé, I., & Stefanon, M. 2018, ApJ, 855, 105
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Ostriker, E. C., & Shetty, R. 2011, ApJ, 731, 41
Peng, C., Ho, L., Impey, C., & Rix, H. 2002, AJ, 124, 266
Peng, C. Y., Ho, L. C., Impey, C. D., & Rix, H.-W. 2010, AJ, 139, 2097
Planck Collaboration, Aghanim, N., Akrami, Y., et al. 2020, A&A, 641, A6
Poulin, V., Boddy, K. K., Bird, S., & Kamionkowski, M. 2018, PhRvD, 97, 123504
Riess, A. G., Yuan, W., Macri, L. M., et al. 2022, ApJL, 934, L7
Robertson, B. E. 2022, ARA&A, 60, 121
Saito, S., de la Torre, S., Ilbert, O., et al. 2020, MNRAS, 494, 199
Sanders, D., Salvato, M., Aussel, H., et al. 2007, ApJS, 172, 86
Schaerer, D., & de Barros, S. 2009, A&A, 502, 423
Schmidt, M. 1959, ApJ, 129, 243
Scholtz, J., Witten, C., Laporte, N., et al. 2023, arXiv:2306.09142
Scoville, N., Aussel, H., Brusa, M., et al. 2007, ApJS, 172, 1
Shah, E. A., Kartaltepe, J. S., Magagnoli, C. T., et al. 2020, ApJ, 904, 107
Shankar, F., Lapi, A., Salucci, P., De Zotti, G., & Danese, L. 2006, ApJ, 643, 14
Shen, X., Vogelsberger, M., Boylan-Kolchin, M., Tacchella, S., & Kannan, R. 2023, MNRAS, 525, 3254
Sheth, R. K., & Tormen, G. 1999, MNRAS, 308, 119
Shuntov, M., McCracken, H. J., Gavazzi, R., et al. 2022, A&A, 664, A61
Simpson, J., Smail, I., Swinbank, A., et al. 2019, ApJ, 880, 43
Skelton, R., Whitaker, K., Momcheva, I., et al. 2014, ApJS, 214, 24
Smolčić, V., Novak, M., Bondi, M., et al. 2017, A&A, 602, A1
Stark, D. 2016, ARA&A, 54, 761
Stefanon, M., Bouwens, R. J., Labbé, I., et al. 2017, ApJ, 843, 36
Stevans, M. L., Finkelstein, S. L., Wold, I., et al. 2018, ApJ, 863, 63
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., et al. 2023, ApJL, 955, L35
Susa, H., & Umemura, M. 2004, ApJ, 600, 1
Szalay, A. S., Connolly, A. J., & Szokoly, G. P. 1999, AJ, 117, 68
Tacchella, S., Eisenstein, D. J., Hainline, K., et al. 2023, ApJ, 952, 74
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Tacchella, S., Trenti, M., & Carollo, C. M. 2013, ApJL, 768, L37
Topping, M. W., Stark, D. P., Endsley, R., et al. 2022, ApJ, 941, 153
Topping, M. W., Stark, D. P., Endsley, R., et al. 2023, arXiv:2307.08835
Torrey, P., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2017, MNRAS, 467, 2301
Walter, F., Carilli, C., Neeleman, M., et al. 2020, ApJ, 902, 111
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Yoon, I., Carilli, C. L., Fujimoto, S., et al. 2023, ApJ, 950, 61
Zavala, J. A., Buat, V., Casey, C. M., et al. 2023, ApJL, 943, L9
Ziparo, F., Ferrara, A., Sommovigo, L., & Kohandel, M. 2023, MNRAS, 520, 2445
Poulin, V., Boddy, K. K., Bird, S., & Kamionkowski, M. 2018, PhRvD, 97, 123504
Riess, A. G., Yuan, W., Macri, L. M., et al. 2022, ApJL, 934, L7
Robertson, B. E. 2022, ARA&A, 60, 121
Saito, S., de la Torre, S., Ilbert, O., et al. 2020, MNRAS, 494, 199
Sanders, D., Salvato, M., Aussel, H., et al. 2007, ApJS, 172, 86
Schaerer, D., & de Barros, S. 2009, A&A, 502, 423
Schmidt, M. 1959, ApJ, 129, 243
Scholtz, J., Witten, C., Laporte, N., et al. 2023, arXiv:2306.09142
Scoville, N., Aussel, H., Brusa, M., et al. 2007, ApJS, 172, 1
Shah, E. A., Kartaltepe, J. S., Magagnoli, C. T., et al. 2020, ApJ, 904, 107
Shankar, F., Lapi, A., Salucci, P., De Zotti, G., & Danese, L. 2006, ApJ, 643, 14
Shen, X., Vogelsberger, M., Boylan-Kolchin, M., Tacchella, S., & Kannan, R. 2023, MNRAS, 525, 3254
Sheth, R. K., & Tormen, G. 1999, MNRAS, 308, 119
Shuntov, M., McCracken, H. J., Gavazzi, R., et al. 2022, A&A, 664, A61
Simpson, J., Smail, I., Swinbank, A., et al. 2019, ApJ, 880, 43
Skelton, R., Whitaker, K., Momcheva, I., et al. 2014, ApJS, 214, 24
Smolčić, V., Novak, M., Bondi, M., et al. 2017, A&A, 602, A1
Stark, D. 2016, ARA&A, 54, 761
Stefanon, M., Bouwens, R. J., Labbé, I., et al. 2017, ApJ, 843, 36
Stevans, M. L., Finkelstein, S. L., Wold, I., et al. 2018, ApJ, 863, 63
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., et al. 2023, ApJL, 955, L35
Susa, H., & Umemura, M. 2004, ApJ, 600, 1
Szalay, A. S., Connolly, A. J., & Szokoly, G. P. 1999, AJ, 117, 68
Tacchella, S., Eisenstein, D. J., Hainline, K., et al. 2023, ApJ, 952, 74
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Tacchella, S., Trenti, M., & Carollo, C. M. 2013, ApJL, 768, L37
Topping, M. W., Stark, D. P., Endsley, R., et al. 2022, ApJ, 941, 153
Topping, M. W., Stark, D. P., Endsley, R., et al. 2023, arXiv:2307.08835
Torrey, P., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2017, MNRAS, 467, 2301
Walter, F., Carilli, C., Neeleman, M., et al. 2020, ApJ, 902, 111
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Yoon, I., Carilli, C. L., Fujimoto, S., et al. 2023, ApJ, 950, 61
Zavala, J. A., Buat, V., Casey, C. M., et al. 2023, ApJL, 943, L9
Ziparo, F., Ferrara, A., Sommovigo, L., & Kohandel, M. 2023, MNRAS, 520, 2445
- General rights
Copyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright
owners and it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights.- Users may download and print one copy of any publication from the public portal for the purpose of private study or research.
- You may not further distribute the material or use it for any profit-making activity or commercial gain
- You may freely distribute the URL identifying the publication in the public portal
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. COSMOS2020 used UltraVISTA DR4 imaging, while this work uses UltraVISTA DR5. This is done to ensure that a flat prior is assumed as a function of redshift rather than a flat prior on the age of the stellar population, which is automatically capped at the age of the Universe at any given redshift. A subtlety of is that it may dip below unity. While the same behavior for a reduced would be an indication of an overfit data set, that is not the case for where we are not accounting for the number of free parameters in the model (if we were, the value of would increase). Note that efficiency, , in Harikane et al. (2023) captures the instantaneous “efficiency” of a halo whereas is the integrated efficiency; both are distinct from , the star-forming efficiency which is the inverse of the gas depletion time, discussed more in Section 5.6. We note that several works have argued the UVLF is intrinsically a double power law down to , though such works primarily relate to sources whose luminosities are likely attributable to AGN (Stevans et al. 2018; Adams et al. 2020; Finkelstein & Bagley 2022; Harikane et al. 2022), and here we discuss the regime not thought to be AGN dominated.
Journal: The Astrophysical Journal, Volume: 965, Issue: 1
DOI: https://doi.org/10.3847/1538-4357/ad2075
Publication Date: 2024-04-01
DOI: https://doi.org/10.3847/1538-4357/ad2075
Publication Date: 2024-04-01
DTU Library
COSMOS-Web
Intrinsically Luminous z 10 Galaxy Candidates Test Early Stellar Mass Assembly
Casey, Caitlin M.; Akins, Hollis B.; Shuntov, Marko; Ilbert, Olivier; Paquereau, Louise; Franco, Maximilien; Hayward, Christopher C.; Finkelstein, Steven L.; Boylan-Kolchin, Michael; Robertson, Brant E.
Total number of authors:
42
42
Published in:
Astrophysical Journal
Astrophysical Journal
Link to article, DOI:
10.3847/1538-4357/ad2075
10.3847/1538-4357/ad2075
Publication date:
2024
2024
Document Version
Publisher’s PDF, also known as Version of record
Publisher’s PDF, also known as Version of record
Link back to DTU Orbit
Citation (APA):
Casey, C. M., Akins, H. B., Shuntov, M., Ilbert, O., Paquereau, L., Franco, M., Hayward, C. C., Finkelstein, S. L., Boylan-Kolchin, M., Robertson, B. E., Allen, N., Brinch, M., Cooper, O. R., Ding, X., Drakos, N. E., Faisst, A. L., Fujimoto, S., Gillman, S., Harish, S., … Zavala, J. A. (2024). COSMOS-Web: Intrinsically Luminous z 10 Galaxy Candidates Test Early Stellar Mass Assembly. Astrophysical Journal, 965(1), Article 98.
https://doi.org/10.3847/1538-4357/ad2075
https://doi.org/10.3847/1538-4357/ad2075
COSMOS-Web: Intrinsically Luminous
Abstract
We report the discovery of 15 exceptionally luminous
double power law to a Schechter function at
Unified Astronomy Thesaurus concepts: Reionization (1383); High-redshift galaxies (734); Redshift surveys (1378); Lyman-break galaxies (979)
1. Introduction
The first year of JWST observations has revealed a wealth of surprises, including the remarkable overabundance of luminous galaxies in the epoch of reionization (EoR) relative to earlier expectations (Bouwens et al. 2015; Finkelstein 2016; Stark 2016; Finkelstein et al. 2022a; Robertson 2022). The Hubble Space Telescope (HST)’s discoveries at
Nevertheless, HST’s deepest surveys led to the discovery of GN-z11 (Oesch et al. 2014; Skelton et al. 2014; Oesch et al. 2016), then a
We now know GN-z11 to be at
Now that JWST is discovering new galaxies beyond
EoR. In this paper we report the discovery of several extremely bright candidate galaxies beyond
2. Data
We select this sample of
COSMOS-Web NIRCam data reduction was performed using the JWST Calibration Pipeline (Bushouse et al. 2023) version 1.10.0, with the addition of several custom modifications also implemented in other works (e.g., Bagley et al. 2024). This includes subtraction of
Beyond JWST, we use the wealth of multiwavelength data in the COSMOS field to vet detections presented in this paper, from the HST/F814W imaging from the original COSMOS Survey (Koekemoer et al. 2007; Scoville et al. 2007), the Spitzer COSMOS Survey (Sanders et al. 2007), Subaru Telescope Hyper Suprime-Cam (HSC) imaging (Aihara et al. 2022), and UltraVISTA imaging (McCracken et al. 2012), updated to the most recent release DR5. A full description of these data sets is provided in Weaver et al. (2022) and Casey et al. (2023).
COSMOS2020 photometric catalog (Weaver et al. 2022), which used a deep CHI_MEAN detection (Drlica-Wagner et al. 2018) image constructed using UltraVISTA YJHKs plus HSC
We note that the MIRI data cover only
3. Photometry, Source Selection, and Measurements
Photometric catalogs for COSMOS-Web imaging were constructed using the model-based photometric package SourceXtractor++ (SE++ Bertin et al. 2020; Kümmel et al. 2020). A detection image is constructed using a CHI_MEAN combination (Szalay et al. 1999; Drlica-Wagner et al. 2018) of all four NIRCam filters (F115W, F150W, F277W, and F444W). After source detection, an optimal Sérsic model is fit using each individual NIRCam band. Then extraction is carried out using the best-fit NIRCam-derived Sérsic model on the JWST imaging, HST imaging, and all ground-based data sets described in Weaver et al. (2022). Model-based photometry allows simultaneous photometric measurements to be made on images with different PSFs without degradation. This allows us to fold in constraints from the deep ground-based data without loss of resolution (thus photometric precision) in our space-based data.
Alongside the primary SE++ photometry, we use SE “classic” (Bertin & Arnouts 1996) to perform aperture photometry on PSFhomogenized images from HST and JWST. PSF homogenization is performed using empirically measured PSFs built with PSFEx (Bertin 2011) and the pypher package (Boucaud et al. 2016), which computes a homogenization kernel between two different PSFs. All images are PSF homogenized to the F444W image. The same detection image is used for SE “classic” as was for
be achieved with weight maps, which accounts for read noise but fails to account for Poisson noise from the sky or sources, thus SE ++ underestimated errors for faint or undetected sources. We address this by independently deriving a measure of the Poisson sky noise using thousands of randomly placed circular apertures of varying diameter. We then compared the Poisson sky noise estimates to the standard deviation of flux density measurements for an idealized Sérsic profile (convolved with the PSF) placed randomly throughout the mosaic and found
be achieved with weight maps, which accounts for read noise but fails to account for Poisson noise from the sky or sources, thus SE ++ underestimated errors for faint or undetected sources. We address this by independently deriving a measure of the Poisson sky noise using thousands of randomly placed circular apertures of varying diameter. We then compared the Poisson sky noise estimates to the standard deviation of flux density measurements for an idealized Sérsic profile (convolved with the PSF) placed randomly throughout the mosaic and found
All sources in the SE++ and SE “classic” catalogs are then fit with photometric redshifts using the EAzY SED-fitting tool (Brammer et al. 2008) with a combination of the default Flexible Stellar Population Synthesis templates (Conroy & Gunn 2010; specifically QSF 12 v 3 ) and bluer templates optimized for selecting less dusty galaxies in the EoR from Larson et al. (2023), which provide a number of models with variable Ly
The initial identification of candidate
-
, and , - best-fit photometric redshift from EAzY of
, - the integral of the redshift probability distribution above redshift 6 is
and above redshift 8 is , and - the magnitude in F 277 W is
.
Of the
Table 1
| SOURCE |
|
||||||||||||||
| SE “CLASSIC” APERTURE-BASED PHOTOMETRY | SE++ MODEL-BASED PHOTOMETRY | ||||||||||||||
| F814W (nJy) | F115W (nJy) | F150W (nJy) | F277W (nJy) | F444W (nJy) | F814W (nJy) | F115W (nJy) | F150W (nJy) | F277W (nJy) | F444W (nJy) | UVISTA
|
UVISTA
|
UVISTA
|
UVISTA
|
||
| COS-z10-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z10-4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z11-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z11-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z13-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
COS-z13-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z14-1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z12-4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z13-3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| COS-z14-2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| EFFECTIVE WAVELENGTH OF FILTER [
|
|||||||||||||||
| 0.814 | 1.15 | 1.50 | 2.77 | 4.44 | 0.814 | 1.15 | 1.50 | 2.77 | 4.44 | 1.02 | 1.25 | 1.65 | 2.15 | ||
spread function (PSF)-homogenized imaging for space-based data only, and from SourceXtractor++ (SE++) single-Sérsic-model-based photometry measured on images in their native resolution.We then apply more stringent fits to the
Our EAzY runs are slight modifications of the initial tests used to select the sample: we allow a wider range of possible redshift solutions with finer redshift sampling, and shift the adopted template set from Larson et al. (2023) to those with no Ly
For LePhare optimal fits, we follow the methodology of Kauffmann et al. (2022) and briefly summarize it here. Bruzual & Charlot (2003) templates are used spanning a range of star formation histories (SFHs; exponentially declining and delayed
For Bagpipes optimal fits, we implement a delayed-
We also fit model libraries of brown dwarf SEDs from Morley et al. (2012) and Morley et al. (2014) to the photometry, which span temperatures
We then repeat a number of these fits on the photometry extracted from the SE “classic” 0 !” 3 diameter apertures on all constraining space-based imaging (i.e., HST/F814W and the JWST/NIRCam filters). We determine that differences in the measured photometry largely do not impact the results, though some nuances of the differences (and their effects on the redshift probability distributions) are discussed again later in Section 5.1. We adopt the model-based photometry from SE++ as our fiducial photometry and find that all fits (with EAzY, LePhare, and Bagpipes) estimate
In this work, we adopt the posterior distributions of physical parameters from our Bagpipes tests to describe the
Figure 1. The distribution of bright candidate
characteristics of the sample, such as stellar mass, 100 Myr averaged SFRs,
3.1. Quantifying the Goodness of Fit
For each source, we quantify a normalized
Note that
Figure 2. Cutouts and SEDs of all sources in our sample. Cutouts are
galaxies have photometric detections, and reducing the searchable parameter space by making well-motivated physical choices differs greatly between SED-fitting tools.
We motivate such a normalized
Figure 2. (Continued.)
example, galaxies selected in the CEERS survey (Finkelstein et al. 2023a) are constrained with more deep space-based photometric bands, and would naturally have a higher value of
Hainline et al. 2024) here would translate to
Figure 2. (Continued.)
For transparency in our selection, Figure 2 shows all 15
F444W bands, and are discussed further in Section 4.3. Note that sources detected in only two bands are naturally more difficult to select cleanly using a
3.2. Other Measurements
We conducted a simple test to assess the accuracy of the photometric redshift estimates made using the suite of best-fit SEDs for the whole sample from EAzY, LePhare, and Bagpipes. These sets of templates are assumed to sample the breadth of realistic SEDs for
We measure the sizes of the sample using the F277W band using both GALFIT (Peng et al. 2002, 2010) and GALIGHT (Ding et al. 2020). The F277W band is chosen as it provides the highest
4. Source Details
Here we provide more detailed descriptions and relevant information about each of the 15 candidate galaxies at
In the descriptions that follow, we quote the relative probability that a source is a low-redshift interloper; we draw these probabilities from the EAzY photometric redshift fits using the SE++ photometry, whose distributions are presented in Figure 3 and later discussed as an ensemble in Section 5.1. We chose EAzY redshift PDFs due to their simplicity and straightforward adoption of a flat redshift (and magnitude) prior. However, a general caveat of interpreting redshift PDFs is that the exact amplitude of the redshift peak is quite sensitive to the adopted template set, range of physical parameters governing the input SEDs, and to small differences in the adopted photometry. So while generally multiple independent codes find consist peaks in the distribution (also shown in the inset panels in Figure 2), the integral under each peak is somewhat uncertain.
We also address the presence of on-sky neighbors as possible physical associations, checking for consistency with low-redshift solutions to our candidates (particularly because close neighbors on the sky are statistically more likely to be physically associated; Kartaltepe et al. 2007; Shah et al. 2020). We also assess the possible contribution of gravitational
lensing from neighbors and find it to be insignificant in all cases (it is most significant for COS-z10-1, where we demonstrate a lensing magnification no greater than
lensing from neighbors and find it to be insignificant in all cases (it is most significant for COS-z10-1, where we demonstrate a lensing magnification no greater than
4.1. Exceptionally Luminous
This source is detected in five bands and exhibits a 2.5 mag drop between F 150 W and the
This galaxy is detected
4.1.3.
Detected in four bands (F150W, UltraVISTA H, F277W, and F444W, with a marginal
Table 2
Sample Characteristics
Sample Characteristics
| Source |
|
|
|
|
|
|
|
|
|
|
| SUPERBRIGHT
|
||||||||||
| COS-z10-1 | 10:01:26.00 | +01:55:59.70 |
|
|
|
|
|
|
|
|
| COS-z12-1 | 09:58:55.21 | +02:07:16.77 |
|
|
|
|
|
|
|
|
| COS-z12-2 | 09:59:59.91 | +02:06:59.90 |
|
|
|
|
|
|
|
|
| COS-z12-3 | 09:59:49.04 | +01:53:26.19 |
|
|
|
|
|
|
|
|
| BRIGHT
|
||||||||||
| COS-z10-2 | 09:59:51.77 | +02:07:15.02 |
|
|
|
|
|
|
|
|
| COS-z10-3 | 09:59:57.50 | +02:06:20.06 |
|
|
|
|
|
|
|
|
| COS-z10-4 | 10:00:37.96 | +01:49:32.43 |
|
|
|
|
|
|
|
|
| COS-z11-1 | 09:59:52.53 | +02:00:23.53 |
|
|
|
|
|
|
|
|
| COS-z11-2 | 10:01:34.80 | +02:05:41.48 |
|
|
|
|
|
|
|
|
| SAMPLE AT
|
||||||||||
| COS-z13-1 | 09:59:05.75 | +02:04:04.39 |
|
|
|
|
|
|
|
|
| COS-z13-2 | 10:00:04.24 | +02:02:11.19 |
|
|
|
|
|
|
|
|
| COS- z14-1 | 10:01:31.17 | +01:58:45.00 |
|
|
|
|
|
|
|
|
| SAMPLE REJECTED AS LIKELY LOW-
|
||||||||||
| COS-z12-4 | 09:59:30.49 | +02:14:44.10 |
|
|
|
|
|
|
|
|
| COS-z13-3 | 09:59:31.30 | +02:08:33.85 |
|
|
|
|
|
|
|
|
| COS-z14-2 | 10:00:20.38 | +01:49:58.33 |
|
|
|
|
|
|
|
|
Note. The positions are measured from the detection image used for the SE++ and SE “classic” catalogs. We provide three photometric redshifts for each source from Bagpipes, EAzY, and LePhare, but note most of the derived properties -including
4.1.4. COS-z12-3
This source is detected in four bands (F150W, UltraVISTA
UV slope than the other galaxies in this sample, which introduces more possible degeneracies with a low-redshift origin to its photometry. Nevertheless, the strong break at
The inferred absolute UV magnitude of COS-z12-3 is
Figure 3. A comparison of redshift PDFs fit using EAzY to three sets of photometry for each high-z galaxy candidate. The results for the SE++ model-based photometry (“M”), which includes both space- and ground-based photometry, are shown in dark red. Light orange shows the results for the SE “classic” photometry extracted in
such sources may require 2 mm observations with a sensitivity
4.1.5. COS-z12-4
The fifth exceptionally bright candidate we identify is COS-z12-4. The primary limitation in characterizing COS-z12-4 is the proximity of two neighbor galaxies whose emission is spatially confused in ground-based data. While nominally fit to a photometric redshift of
coincidence that argued CEERS-93316 was
coincidence that argued CEERS-93316 was
4.2. Bright
4.2.1.
COS-z10-2 is one of the more intrinsically red galaxies in our sample and has a slightly bimodal morphology in the NIRCam LW bands. It is formally detected in three NIRCam bands. The photometric redshift estimates fall between
in our sample with
in our sample with
4.2.2.
COS-z10-3 is detected in three NIRCam bands. COS-z10-3 has a close neighbor
4.2.3. COS-z10-4
COS-z10-4 is similarly detected in three NIRCam bands with a compact core and diffuse extended emission. There is no indication that it is detected in UltraVISTA imaging. The stack of HSC griz imaging displays a puzzling excess emission to the southwest; because this is not spatially coincident with the source’s position within
4.2.4. COS-z11-1
COS-z11-1 has the highest redshift of the “bright” subset and is detected in the three NIRCam bands only, with detections in F150W, F277W, and F444W. There is no evidence from the ground-based cutouts of significant emission above the background noise. It has no neighbors and is fit to redshifts
4.2.5.
COS-z11-2 is detected in three NIRCam bands and has a marginal
ambiguity surrounding COS-z11-2, we keep it in the high-z sample for further analysis.
ambiguity surrounding COS-z11-2, we keep it in the high-z sample for further analysis.
4.3. Candidates at
In an effort to explore the most extreme subset of new discoveries within the EoR, we have also identified a sample of candidate galaxies at
Our approach toward candidates in this regime is thus somewhat conservative. Of an initial set of 31 sources in our initial EAZY catalog fit to photometric redshifts
We note that COS-z13-2 and COS-z14-1 both have MIRI coverage at
Of the five candidates, only two show significantly elevated low-redshift probabilities when using the SE “classic” aperture photometry: COS-z14-2 has
For the purposes of the discussion and ensuing physical characteristics, we only retain three sources in the
5. Discussion
Here we present a more detailed discussion of the ramifications of these discoveries. First we present a discussion regarding low-redshift interlopers, a direct measurement of their volume density and contribution to the UVLF, and a summary of their measured physical characteristics. We then present a more detailed discussion of their stellar mass estimates and their implied star formation efficiencies within the Lambda cold dark matter (
5.1. The Possibility of Low-redshift Interlopers
JWST observations of high-redshift galaxies so far have made clear that galaxies at
Figure 3 shows three different derivations of the full redshift PDFs from
UltraVISTA). As a result, this hybrid catalog can be thought of as a sanity check on our model-based photometry, as we have replaced the most constraining, high-
An important caveat of the previous paragraph is the adoption of flat redshift priors, which is a somewhat standard, though potentially flawed, literature convention. The on-sky surface density of galaxies as a function of redshift declines steeply with increasing redshift, regardless of brightness. For example, the on-sky surface density of a
Given the broader range of potential contaminants in COSMOS-Web, we explored if the ensuing derived parameters for such low-redshift solutions in
Even with more reasonable limits set on
5.2. Volume Density and UVLF Contribution
The solid angle covered by COSMOS-Web to date is
Figure 4. The direct contribution of sources presented in this paper to the UVLF at
and the average redshift for galaxies in the bin is near
Figure 4 shows the direct contribution of detected sources (calculated using the
Most noticeable from our data is the relatively flat slope of the UVLF at the bright end; this could be caused by incompleteness in our lower-luminosity bin, which we do not correct in this work. Considering that the magnitude bin at
Table 3
UV Luminosity Function Constraints
UV Luminosity Function Constraints
|
|
|
|
|
|
| 11 | [9.5, 12.5] | -22.0 | 0.8 |
|
| 11 | [9.5, 12.5] | -21.2 | 0.8 |
|
| 14 | [13, 15] | -21.0 | 1.0 |
|
Note. The measured contribution of our candidates to the UVLF at
Schechter function fit to the UVLF similar to other work. A more thorough observational derivation of the UVLF from COSMOS-Web will follow in a forthcoming paper (M. Franco et al. 2024, in preparation) and it will include completeness simulations and an extended measurement down to the threshold detection limit of the survey.
5.3. Physical Properties of Bright
We show in Figure 5 the distribution of sources presented in this paper in absolute UV magnitude, rest-frame UV slope (
The rest-frame UV slopes of this sample are a bit redder than most Lyman-break galaxies (LBGs) at this epoch (the median presented in the literature at
While bluer UV slopes are found in our highest-redshift
Figure 5. The derived physical characteristics of our luminous
be removed from our sample for failing our selection criteria. This bias, which is prevalent in the selection of LBGs at all redshifts, cannot easily be addressed without significant investments in spectroscopy for large samples.
Figure 6 shows the sizes of galaxies in the sample against stellar mass surface density and SFR surface density. All sources are spatially resolved with average sizes
5.4. Stellar Mass Uncertainties
Mass derivations from rest-frame UV data are naturally uncertain. Nevertheless, JWST provides a longer wavelength lever arm than HST, into the rest-frame optical, to constrain the SEDs of galaxies even beyond
Figure 6. The F277W-measured half-light radii of the sample plotted against the stellar mass surface density (top panel) and star formation surface density (bottom panel). At the top, we overplot the average stellar mass surface densities of local elliptical galaxies from Lauer et al. (2007) and ultracompact dwarfs and superstar clusters from the compilation in Hopkins et al. (2010). In addition, we overplot the measured sizes and surface densities of the compact
the Universe at
rest-frame optical. Given the potential implications of stellar masses exceeding
rest-frame optical. Given the potential implications of stellar masses exceeding
We first check the sensitivity of the adopted SFH on the resultant stellar mass; generally, star formation that occurs further in the past will have a higher mass-to-light ratio implied for the rest-frame UV, and thus a higher stellar mass. We compare our fiducial Bagpipes model, which superimposes a delayed-
If Population III stars dominate the light in the rest-frame UV, their expected top-heavy IMF (Hirano et al. 2014, 2015) would result in a UV continuum dominated by nebular, rather than stellar, emission. This would lead to a higher light-to-mass ratio from the UV (e.g., Schaerer & de Barros 2009) by factors
Lastly, we consider the impact of AGN on our stellar mass estimates. It has become clear that actively accreting supermassive black holes may be a fairly prominent source of energy output at early times, and JWST has enabled the identification of AGN with lower-mass black holes out to earlier times (Larson et al. 2023). For AGN to impact the masses in our sample significantly, they would need to dominate the restframe UV luminosity by a factor of several over the stellar contribution. This would effectively translate to a lower limit on the AGN luminosity of
The stellar masses of our sample, as estimated using our fiducial Bagpipes burst + delayed-
Figure 7. Stellar mass vs. redshift for our sample relative to curves of fixed volume density, peak height, and other candidate galaxies reported in the literature (light gray points). Volume density curves (purple) and peak height (orange) are generated from the expectation of the halo mass function scaled by the cosmic baryon fraction
against redshift in Figure 7. On average their uncertainties are
5.5. Massive Beacons: Assembly of the First Megalithic Halos?
In stellar mass space, a subset of our sample pushes the bounds of the most massive sources that could plausibly be found in deep JWST surveys at
curves of constant peak height
curves of constant peak height
In Figure 8, we directly calculate the cumulative stellar mass density in two bins centered at
Some theoretical work suggests they are. In particular, galaxies at
With a delayed onset of feedback, one might expect the instantaneous star-forming efficiency (
Another theoretical interpretation of the very luminous, early systems is provided in Ferrara et al. (2023), who suggest that
Figure 8. The cumulative stellar mass volume density as a function of stellar mass calculated at
short-lived bursts of super-Eddington star formation may blow out the majority of dust in early galaxies (with sSFR
Figure 9 shows another rendering of the stellar masses in our sample against redshift. Here we have directly shown what the progenitor population of the three most massive systems at
Figure 9. Stellar mass against redshift for the candidates identified in this paper (stars). Here we highlight the integrated SFHs for the three most massive
dominated by a recent burst, such that their stellar masses have grown at rates that far outpace the growth of their parent dark matter halos (at a fixed volume density). As pointed out in Section 5.4, such rapid and recent stellar mass growth provides the most conservative stellar mass estimates for the sample as a whole. The suggested burst-driven nature of COS-z12-1, COS-z12-2, and COS-z12-3 in particular would imply that their host galaxy halo masses may intrinsically be lower than one might expect given their stellar masses, on par with some of the less luminous galaxies in our sample. Recent work from the FIRE simulation (Sun et al. 2023) has shown that, indeed, no special adjustments are needed to reproduce the observed characteristics of very bright early JWST discoveries, which they find are driven by stochastic and recent bursts of star formation.
We should note that in most, if not all, theoretical models built to explain very massive
The ascent of such massive
progenitor population, despite the short timescale (
progenitor population, despite the short timescale (
5.6. Not All Baryons Are Stars
Most baryons in galaxy halos beyond
First, it is worth recognizing that typical observed efficiencies in the star formation process rarely exceed
molecular clouds but necessary to build the observed stellar populations.
molecular clouds but necessary to build the observed stellar populations.
Though untethered to direct observations at
Follow-up ALMA observations of these systems will prove invaluable to provide an independent estimate of the galaxies’ total baryonic budgets. For example, spectral scans for [O III] (at rest-frame
5.7. Alternative Cosmologies Predict More Massive Halos Early
An alternative interpretation to the very high stellar baryon fractions implied in our sample (with
massive halos, which we are sensitive to detecting in COSMOS-Web; at
massive halos, which we are sensitive to detecting in COSMOS-Web; at
5.8. Stochastic Bursts Driving
Provided
This hypothesis is consistent with burst-driven star formation dominating the bright end of the UVLF as suggested in cosmological simulations (Shen et al. 2023; Sun et al. 2023). Such efficient and quick growth would be facilitated by the lack of a UV background in the prereionization era. These bursts may be comprised of several brief (
If the bright end of the UVLF (e.g.,
and Schechter function may help us directly constrain the characteristic burst timescale of very bright (
6. Conclusions
We have presented 15 intrinsically luminous candidate galaxies at
The rest-frame UV luminosities are among the brightest sources ever identified at these redshifts, on average
Four of the 12 robust
While we have made a best effort to present secure
Web is conducted in the future), and thus they serve as an important laboratory for the formation and evolution of the first bright galaxies, including the search for Population III stars, the onset of metal and dust production, as well as direct constraints on the neutral gas fraction at very early times.
Acknowledgments
We would like to thank the anonymous reviewer for constructive feedback during the refereeing process. Support for this work was provided by NASA through grant JWST-GO01727 awarded by the Space Telescope Science Institute, which is operated by the Association of Universities for Research in Astronomy, Inc., under NASA contract NAS526555. C.M.C., H.A., M.F., J.M., A.S.L., and O.R.C. acknowledge support from the National Science Foundation through grants AST-2307006, AST-2009577, and the UT Austin College of Natural Sciences for support. C.M.C. also acknowledges support from the Research Corporation for Science Advancement from a 2019 Cottrell Scholar Award sponsored by IF/THEN, an initiative of the Lyda Hill Philanthropies.
The Cosmic Dawn Center (DAWN) is funded by the Danish National Research Foundation (DNRF) under grant No. 140. This work was made possible thanks to the CANDIDE cluster at the Institut d’Astrophysique de Paris, which was funded through grants from the PNCG, CNES, DIM-ACAV, and the Cosmic Dawn Center; CANDIDE is maintained by S . Rouberol. The French contingent of the COSMOS team is partly supported by the Centre National d’Etudes Spatiales (CNES). O.I. acknowledges the funding of the French Agence Nationale de la Recherche for the project iMAGE (grant ANR-22-CE31-0007). M.B.K. acknowledges support from NSF CAREER award AST-1752913, NSF grants AST-1910346 and AST-2108962, NASA grant 80NSSC22K0827, and HST-AR-15809, HST-GO-15658, HST-GO-15901, HST-GO15902, HST-AR-16159, HST-GO-16226, HST-GO-16686, HST-AR-17028, and HST-AR-17043 from the Space Telescope Science Institute, which is operated by AURA, Inc., under NASA contract NAS5-26555. S.G. acknowledges financial support from the Villum Young Investigator grants 37440 and 13160.
Based in part on observations collected at the European Southern Observatory under ESO programmes 179.A-2005 and 198.A-2003 and on data obtained from the ESO Science Archive Facility with doi:10.18727/archive/52, and on data products produced by CALET and the Cambridge Astronomy Survey Unit on behalf of the UltraVISTA consortium. Some of the data presented in this paper were obtained from the Mikulski Archive for Space Telescopes (MAST) at the Space Telescope Science Institute. The specific observations analyzed can be accessed via doi:10.17909/ahg3-e826.
ORCID iDs
Caitlin M. Casey © https://orcid.org/0000-0002-0930-6466
Hollis B. Akins © https://orcid.org/0000-0003-3596-8794
Marko Shuntov © https://orcid.org/0000-0002-7087-0701
Olivier Ilbert © https://orcid.org/0000-0002-7303-4397
Louise Paquereau © https://orcid.org/0000-0003-2397-0360
Maximilien Franco © https://orcid.org/0000-0002-3560-8599
Christopher C. Hayward © https://orcid.org/0000-0003-4073-3236
Steven L. Finkelstein © https://orcid.org/0000-0001-8519-1130
Hollis B. Akins © https://orcid.org/0000-0003-3596-8794
Marko Shuntov © https://orcid.org/0000-0002-7087-0701
Olivier Ilbert © https://orcid.org/0000-0002-7303-4397
Louise Paquereau © https://orcid.org/0000-0003-2397-0360
Maximilien Franco © https://orcid.org/0000-0002-3560-8599
Christopher C. Hayward © https://orcid.org/0000-0003-4073-3236
Steven L. Finkelstein © https://orcid.org/0000-0001-8519-1130
Michael Boylan-Kolchin © https://orcid.org/0000-0002-9604-343X
Brant E. Robertson (10) https://orcid.org/0000-0002-4271-0364
Natalie Allen (10) https://orcid.org/0000-0001-9610-7950
Malte Brinch © https://orcid.org/0000-0002-0245-6365
Olivia R. Cooper © https://orcid.org/0000-0003-3881-1397
Xuheng Ding © https://orcid.org/0000-0002-0786-7307
Nicole E. Drakos © https://orcid.org/0000-0003-4761-2197
Andreas L. Faisst © https://orcid.org/0000-0002-9382-9832
Seiji Fujimoto © https://orcid.org/0000-0001-7201-5066
Steven Gillman © https://orcid.org/0000-0001-9885-4589
Santosh Harish © https://orcid.org/0000-0003-0129-2079
Michaela Hirschmann © https://orcid.org/0000-0002-3301-3321
Shuowen Jin © https://orcid.org/0000-0002-8412-7951
Jeyhan S. Kartaltepe © https://orcid.org/0000-0001-9187-3605
Anton M. Koekemoer © https://orcid.org/0000-0002-6610-2048
Vasily Kokorev © https://orcid.org/0000-0002-5588-9156
Daizhong Liu © https://orcid.org/0000-0001-9773-7479
Arianna S. Long © https://orcid.org/0000-0002-7530-8857
Georgios Magdis © https://orcid.org/0000-0002-4872-2294
Claudia Maraston © https://orcid.org/0000-0001-7711-3677
Crystal L. Martin © https://orcid.org/0000-0001-9189-7818
Henry Joy McCracken © https://orcid.org/0000-0002-9489-7765
Jed McKinney © https://orcid.org/0000-0002-6149-8178
Bahram Mobasher © https://orcid.org/0000-0001-5846-4404
Jason Rhodes © https://orcid.org/0000-0002-4485-8549
R. Michael Rich © https://orcid.org/0000-0003-0427-8387
Brant E. Robertson (10) https://orcid.org/0000-0002-4271-0364
Natalie Allen (10) https://orcid.org/0000-0001-9610-7950
Malte Brinch © https://orcid.org/0000-0002-0245-6365
Olivia R. Cooper © https://orcid.org/0000-0003-3881-1397
Xuheng Ding © https://orcid.org/0000-0002-0786-7307
Nicole E. Drakos © https://orcid.org/0000-0003-4761-2197
Andreas L. Faisst © https://orcid.org/0000-0002-9382-9832
Seiji Fujimoto © https://orcid.org/0000-0001-7201-5066
Steven Gillman © https://orcid.org/0000-0001-9885-4589
Santosh Harish © https://orcid.org/0000-0003-0129-2079
Michaela Hirschmann © https://orcid.org/0000-0002-3301-3321
Shuowen Jin © https://orcid.org/0000-0002-8412-7951
Jeyhan S. Kartaltepe © https://orcid.org/0000-0001-9187-3605
Anton M. Koekemoer © https://orcid.org/0000-0002-6610-2048
Vasily Kokorev © https://orcid.org/0000-0002-5588-9156
Daizhong Liu © https://orcid.org/0000-0001-9773-7479
Arianna S. Long © https://orcid.org/0000-0002-7530-8857
Georgios Magdis © https://orcid.org/0000-0002-4872-2294
Claudia Maraston © https://orcid.org/0000-0001-7711-3677
Crystal L. Martin © https://orcid.org/0000-0001-9189-7818
Henry Joy McCracken © https://orcid.org/0000-0002-9489-7765
Jed McKinney © https://orcid.org/0000-0002-6149-8178
Bahram Mobasher © https://orcid.org/0000-0001-5846-4404
Jason Rhodes © https://orcid.org/0000-0002-4485-8549
R. Michael Rich © https://orcid.org/0000-0003-0427-8387
David B. Sanders © https://orcid.org/0000-0002-1233-9998
John D. Silverman © https://orcid.org/0000-0002-0000-6977
Sune Toft © https://orcid.org/0000-0003-3631-7176
Aswin P. Vijayan © https://orcid.org/0000-0002-1905-4194
John R. Weaver © https://orcid.org/0000-0003-1614-196X
Stephen M. Wilkins © https://orcid.org/0000-0003-3903-6935
Lilan Yang (10) https://orcid.org/0000-0002-8434-880X
Jorge A. Zavala (D https://orcid.org/0000-0002-7051-1100
John D. Silverman © https://orcid.org/0000-0002-0000-6977
Sune Toft © https://orcid.org/0000-0003-3631-7176
Aswin P. Vijayan © https://orcid.org/0000-0002-1905-4194
John R. Weaver © https://orcid.org/0000-0003-1614-196X
Stephen M. Wilkins © https://orcid.org/0000-0003-3903-6935
Lilan Yang (10) https://orcid.org/0000-0002-8434-880X
Jorge A. Zavala (D https://orcid.org/0000-0002-7051-1100
References
Adams, N. J., Bowler, R. A. A., Jarvis, M. J., et al. 2020, MNRAS, 494, 1771
Adams, N. J., Conselice, C. J., Austin, D., et al. 2023a, arXiv:2304.13721
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023b, MNRAS, 518, 4755
Aihara, H., AlSayyad, Y., Ando, M., et al. 2022, PASJ, 74, 247
Aretxaga, I., Wilson, G., Aguilar, E., et al. 2011, MNRAS, 415, 3831
Armus, L., Mazzarella, J., Evans, A., et al. 2009, PASP, 121, 559
Arnouts, S., Le Floc’h, E., Chevallard, J., et al. 2013, A&A, 558, A67
Arnouts, S., Moscardini, L., Vanzella, E., et al. 2002, MNRAS, 329, 355
Arrabal Haro, P., Dickinson, M., Finkelstein, S. L., et al. 2023, Natur, 622, 707
Baggen, J. F. W., van Dokkum, P., Labbe, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Rojas-Ruiz, S., et al. 2024, ApJ, 961, 209
Bakx, T. J. L. C., Zavala, J. A., Mitsuhashi, I., et al. 2023, MNRAS, 519, 5076
Behroozi, P., Conroy, C., & Wechsler, R. 2010, ApJ, 717, 379
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Bertin, E. 2011, in ASP Conf. Ser. 442, Astronomical Data Analysis Software and Systems XX, ed. I. N. Evans et al. (San Francisco, CA: ASP), 435
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bertin, E., Schefer, M., Apostolakos, N., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 461
Bigiel, F., Leroy, A., Walter, F., et al. 2010, AJ, 140, 1194
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Boucaud, A., Bocchio, M., Abergel, A., et al. 2016, A&A, 596, A63
Bouwens, R., Illingworth, G., Oesch, P., et al. 2015, ApJ, 803, 34
Adams, N. J., Conselice, C. J., Austin, D., et al. 2023a, arXiv:2304.13721
Adams, N. J., Conselice, C. J., Ferreira, L., et al. 2023b, MNRAS, 518, 4755
Aihara, H., AlSayyad, Y., Ando, M., et al. 2022, PASJ, 74, 247
Aretxaga, I., Wilson, G., Aguilar, E., et al. 2011, MNRAS, 415, 3831
Armus, L., Mazzarella, J., Evans, A., et al. 2009, PASP, 121, 559
Arnouts, S., Le Floc’h, E., Chevallard, J., et al. 2013, A&A, 558, A67
Arnouts, S., Moscardini, L., Vanzella, E., et al. 2002, MNRAS, 329, 355
Arrabal Haro, P., Dickinson, M., Finkelstein, S. L., et al. 2023, Natur, 622, 707
Baggen, J. F. W., van Dokkum, P., Labbe, I., et al. 2023, ApJL, 955, L12
Bagley, M. B., Finkelstein, S. L., Rojas-Ruiz, S., et al. 2024, ApJ, 961, 209
Bakx, T. J. L. C., Zavala, J. A., Mitsuhashi, I., et al. 2023, MNRAS, 519, 5076
Behroozi, P., Conroy, C., & Wechsler, R. 2010, ApJ, 717, 379
Behroozi, P., Wechsler, R. H., Hearin, A. P., & Conroy, C. 2019, MNRAS, 488, 3143
Bertin, E. 2011, in ASP Conf. Ser. 442, Astronomical Data Analysis Software and Systems XX, ed. I. N. Evans et al. (San Francisco, CA: ASP), 435
Bertin, E., & Arnouts, S. 1996, A&AS, 117, 393
Bertin, E., Schefer, M., Apostolakos, N., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 461
Bigiel, F., Leroy, A., Walter, F., et al. 2010, AJ, 140, 1194
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Boucaud, A., Bocchio, M., Abergel, A., et al. 2016, A&A, 596, A63
Bouwens, R., Illingworth, G., Oesch, P., et al. 2015, ApJ, 803, 34
Bouwens, R. J., Stefanon, M., Brammer, G., et al. 2023, MNRAS, 523, 1036
Bowler, R., Dunlop, J., McLure, R., & McLeod, D. 2017, MNRAS, 466, 3612
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G., van Dokkum, P., & Coppi, P. 2008, ApJ, 686, 1503
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burnham, A. D., Casey, C. M., Zavala, J. A., et al. 2021, ApJ, 910, 89
Bushouse, H., Eisenhamer, J., Dencheva, N., et al. 2023, JWST Calibration Pipeline, v1.10.0, Zenodo, doi:10.5281/zenodo. 7795697
Calzetti, D., Armus, L., Bohlin, R., et al. 2000, ApJ, 533, 682
Capak, P., Aussel, H., Ajiki, M., et al. 2007, ApJS, 172, 99
Carnall, A. C., McLure, R. J., Dunlop, J. S., & Davé, R. 2018, MNRAS, 480, 4379
Carnall, A. C., McLure, R. J., Dunlop, J. S., et al. 2023, Natur, 619, 716
Casey, C., Narayanan, D., & Cooray, A. 2014, PhR, 541, 45
Casey, C. M., Kartaltepe, J. S., Drakos, N. E., et al. 2023, ApJ, 954, 31
Castellano, M., Fontana, A., Treu, T., et al. 2022, ApJL, 938, L15
Chabrier, G. 2003, PASP, 115, 763
Civano, F., Marchesi, S., Comastri, A., et al. 2016, ApJ, 819, 62
Coe, D., Zitrin, A., Carrasco, M., et al. 2013, ApJ, 762, 32
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., & Wechsler, R. 2009, ApJ, 696, 620
da Cunha, E., Walter, F., Smail, I., et al. 2015, ApJ, 806, 110
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Ding, X., Silverman, J., Treu, T., et al. 2020, ApJ, 888, 37
Donnan, C. T., McLeod, D. J., Dunlop, J. S., et al. 2023, MNRAS, 518, 6011
Dressler, A., Rieke, M., Eisenstein, D., et al. 2023, arXiv:2306.02469
Drlica-Wagner, A., Sevilla-Noarbe, I., Rykoff, E. S., et al. 2018, ApJS, 235, 33
Endsley, R., Stark, D. P., Whitler, L., et al. 2023a, MNRAS, 524, 2312
Endsley, R., Stark, D. P., Whitler, L., et al. 2023b, arXiv:2306.05295
Evans, N., II, Dunham, M., Jørgensen, J., et al. 2009, ApJS, 181, 321
Evstigneeva, E. A., Gregg, M. D., Drinkwater, M. J., & Hilker, M. 2007, AJ, 133, 1722
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. 2016, PASA, 33, e037
Finkelstein, S., Papovich, C., Salmon, B., et al. 2012, ApJ, 756, 164
Finkelstein, S. L., Bagley, M., Song, M., et al. 2022a, ApJ, 928, 52
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Bagley, M. B., Arrabal Haro, P., et al. 2022b, ApJL, 940, L55
Finkelstein, S. L., Bagley, M. B., Ferguson, H. C., et al. 2023a, ApJL, 946, L13
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023b, arXiv:2311. 04279
Franco, M., Akins, H. B., Casey, C. M., et al. 2023, arXiv:2308.00751
Fujimoto, S., Finkelstein, S. L., Burgarella, D., et al. 2023, ApJ, 955, 130
Fujimoto, S., Ouchi, M., Ono, Y., et al. 2016, ApJS, 222, 1
Glazebrook, K., Nanayakkara, T., Schreiber, C., et al. 2023, arXiv:2308.05606
Grudić, M. Y., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2018, MNRAS, 475, 3511
Haşegan, M., Jordán, A., Côté, P., et al. 2005, ApJ, 627, 203
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024, ApJ, 964, 71
Harikane, Y., Ono, Y., Ouchi, M., et al. 2022, ApJS, 259, 20
Harikane, Y., Ouchi, M., Oguri, M., et al. 2023, ApJS, 265, 5
Hilker, M., Baumgardt, H., Infante, L., et al. 2007, A&A, 463, 119
Hirano, S., Hosokawa, T., Yoshida, N., Omukai, K., & Yorke, H. W. 2015, MNRAS, 448, 568
Hirano, S., Hosokawa, T., Yoshida, N., et al. 2014, ApJ, 781, 60
Hodge, J., Swinbank, A., Simpson, J., et al. 2016, ApJ, 833, 103
Hopkins, P. F., Murray, N., Quataert, E., & Thompson, T. A. 2010, MNRAS, 401, L19
Ilbert, O., Arnouts, S., Le Floc’h, E., et al. 2015, A&A, 579, A2
Ilbert, O., Arnouts, S., McCracken, H. J., et al. 2006, A&A, 457, 841
Jarvis, M., Taylor, R., Agudo, I., et al. 2016, in Proc. of MeerKAT Science, On the Pathway to the SKA, 6
Kartaltepe, J., Sanders, D., Scoville, N., et al. 2007, ApJS, 172, 320
Karwal, T., & Kamionkowski, M. 2016, PhRvD, 94, 103523
Kauffmann, O. B., Ilbert, O., Weaver, J. R., et al. 2022, A&A, 667, A65
Kennicutt, R., & Evans, N. 2012, ARA&A, 50, 531
Kennicutt, R., Jr 1998, ApJ, 498, 541
Klypin, A., Poulin, V., Prada, F., et al. 2021, MNRAS, 504, 769
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Koekemoer, A., Aussel, H., Calzetti, D., et al. 2007, ApJS, 172, 196
Kümmel, M., Bertin, E., Schefer, M., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 29
Bowler, R., Dunlop, J., McLure, R., & McLeod, D. 2017, MNRAS, 466, 3612
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G., van Dokkum, P., & Coppi, P. 2008, ApJ, 686, 1503
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Saxena, A., Cameron, A. J., et al. 2023, A&A, 677, A88
Burnham, A. D., Casey, C. M., Zavala, J. A., et al. 2021, ApJ, 910, 89
Bushouse, H., Eisenhamer, J., Dencheva, N., et al. 2023, JWST Calibration Pipeline, v1.10.0, Zenodo, doi:10.5281/zenodo. 7795697
Calzetti, D., Armus, L., Bohlin, R., et al. 2000, ApJ, 533, 682
Capak, P., Aussel, H., Ajiki, M., et al. 2007, ApJS, 172, 99
Carnall, A. C., McLure, R. J., Dunlop, J. S., & Davé, R. 2018, MNRAS, 480, 4379
Carnall, A. C., McLure, R. J., Dunlop, J. S., et al. 2023, Natur, 619, 716
Casey, C., Narayanan, D., & Cooray, A. 2014, PhR, 541, 45
Casey, C. M., Kartaltepe, J. S., Drakos, N. E., et al. 2023, ApJ, 954, 31
Castellano, M., Fontana, A., Treu, T., et al. 2022, ApJL, 938, L15
Chabrier, G. 2003, PASP, 115, 763
Civano, F., Marchesi, S., Comastri, A., et al. 2016, ApJ, 819, 62
Coe, D., Zitrin, A., Carrasco, M., et al. 2013, ApJ, 762, 32
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., & Wechsler, R. 2009, ApJ, 696, 620
da Cunha, E., Walter, F., Smail, I., et al. 2015, ApJ, 806, 110
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Ding, X., Silverman, J., Treu, T., et al. 2020, ApJ, 888, 37
Donnan, C. T., McLeod, D. J., Dunlop, J. S., et al. 2023, MNRAS, 518, 6011
Dressler, A., Rieke, M., Eisenstein, D., et al. 2023, arXiv:2306.02469
Drlica-Wagner, A., Sevilla-Noarbe, I., Rykoff, E. S., et al. 2018, ApJS, 235, 33
Endsley, R., Stark, D. P., Whitler, L., et al. 2023a, MNRAS, 524, 2312
Endsley, R., Stark, D. P., Whitler, L., et al. 2023b, arXiv:2306.05295
Evans, N., II, Dunham, M., Jørgensen, J., et al. 2009, ApJS, 181, 321
Evstigneeva, E. A., Gregg, M. D., Drinkwater, M. J., & Hilker, M. 2007, AJ, 133, 1722
Ferrara, A., Pallottini, A., & Dayal, P. 2023, MNRAS, 522, 3986
Finkelstein, S. 2016, PASA, 33, e037
Finkelstein, S., Papovich, C., Salmon, B., et al. 2012, ApJ, 756, 164
Finkelstein, S. L., Bagley, M., Song, M., et al. 2022a, ApJ, 928, 52
Finkelstein, S. L., & Bagley, M. B. 2022, ApJ, 938, 25
Finkelstein, S. L., Bagley, M. B., Arrabal Haro, P., et al. 2022b, ApJL, 940, L55
Finkelstein, S. L., Bagley, M. B., Ferguson, H. C., et al. 2023a, ApJL, 946, L13
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023b, arXiv:2311. 04279
Franco, M., Akins, H. B., Casey, C. M., et al. 2023, arXiv:2308.00751
Fujimoto, S., Finkelstein, S. L., Burgarella, D., et al. 2023, ApJ, 955, 130
Fujimoto, S., Ouchi, M., Ono, Y., et al. 2016, ApJS, 222, 1
Glazebrook, K., Nanayakkara, T., Schreiber, C., et al. 2023, arXiv:2308.05606
Grudić, M. Y., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2018, MNRAS, 475, 3511
Haşegan, M., Jordán, A., Côté, P., et al. 2005, ApJ, 627, 203
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024, ApJ, 964, 71
Harikane, Y., Ono, Y., Ouchi, M., et al. 2022, ApJS, 259, 20
Harikane, Y., Ouchi, M., Oguri, M., et al. 2023, ApJS, 265, 5
Hilker, M., Baumgardt, H., Infante, L., et al. 2007, A&A, 463, 119
Hirano, S., Hosokawa, T., Yoshida, N., Omukai, K., & Yorke, H. W. 2015, MNRAS, 448, 568
Hirano, S., Hosokawa, T., Yoshida, N., et al. 2014, ApJ, 781, 60
Hodge, J., Swinbank, A., Simpson, J., et al. 2016, ApJ, 833, 103
Hopkins, P. F., Murray, N., Quataert, E., & Thompson, T. A. 2010, MNRAS, 401, L19
Ilbert, O., Arnouts, S., Le Floc’h, E., et al. 2015, A&A, 579, A2
Ilbert, O., Arnouts, S., McCracken, H. J., et al. 2006, A&A, 457, 841
Jarvis, M., Taylor, R., Agudo, I., et al. 2016, in Proc. of MeerKAT Science, On the Pathway to the SKA, 6
Kartaltepe, J., Sanders, D., Scoville, N., et al. 2007, ApJS, 172, 320
Karwal, T., & Kamionkowski, M. 2016, PhRvD, 94, 103523
Kauffmann, O. B., Ilbert, O., Weaver, J. R., et al. 2022, A&A, 667, A65
Kennicutt, R., & Evans, N. 2012, ARA&A, 50, 531
Kennicutt, R., Jr 1998, ApJ, 498, 541
Klypin, A., Poulin, V., Prada, F., et al. 2021, MNRAS, 504, 769
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Koekemoer, A., Aussel, H., Calzetti, D., et al. 2007, ApJS, 172, 196
Kümmel, M., Bertin, E., Schefer, M., et al. 2020, in ASP Conf. Ser. 527, Astronomical Data Analysis Software and Systems XXIX, ed. R. Pizzo et al. (San Francisco, CA: ASP), 29
Labbe, I., Greene, J. E., Bezanson, R., et al. 2023, arXiv:2306.07320
Labbe, I., van Dokkum, P., Nelson, E., et al. 2023, Natur, 616, 266
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Larson, R. L., Hutchison, T. A., Bagley, M., et al. 2023, ApJ, 958, 141
Lauer, T., Tremaine, S., Richstone, D., & Faber, S. 2007, ApJ, 670, 249
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Looser, T. J., D’Eugenio, F., Maiolino, R., et al. 2023, arXiv:2306.02470
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Mandelbaum, R., Seljak, U., Kauffmann, G., Hirata, C., & Brinkmann, J. 2006, MNRAS, 368, 715
Mashian, N., Oesch, P. A., & Loeb, A. 2016, MNRAS, 455, 2101
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
McCracken, H., Milvang-Jensen, B., Dunlop, J., et al. 2012, A&A, 544, A156
McCrady, N., & Graham, J. R. 2007, ApJ, 663, 844
McKinney, J., Finnerty, L., Casey, C. M., et al. 2023a, ApJL, 946, L39
McKinney, J., Pope, A., Kirkpatrick, A., et al. 2023b, ApJ, 955, 136
McLeod, D., McLure, R., Dunlop, J., et al. 2015, MNRAS, 450, 3032
McLeod, D. J., Donnan, C. T., McLure, R. J., et al. 2024, MNRAS, 527, 5004
McLeod, D. J., McLure, R. J., & Dunlop, J. S. 2016, MNRAS, 459, 3812
Michałowski, M. J., Dunlop, J. S., Cirasuolo, M., et al. 2012, A&A, 541, A85
Michałowski, M. J., Hayward, C. C., Dunlop, J. S., et al. 2014, A&A, 571, A75
Miralda-Escudé, J. 1998, ApJ, 501, 15
Mitchell, P. D., Lacey, C. G., Baugh, C. M., & Cole, S. 2013, MNRAS, 435, 87
Morley, C. V., Fortney, J. J., Marley, M. S., et al. 2012, ApJ, 756, 172
Morley, C. V., Marley, M. S., Fortney, J. J., et al. 2014, ApJ, 787, 78
Muñoz, J. B., Mirocha, J., Furlanetto, S., & Sabti, N. 2023, MNRAS, 526, L47
Naidu, R. P., Oesch, P. A., Setton, D. J., et al. 2022a, arXiv:2208.02794
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022b, ApJL, 940, L14
Narayanan, D., Krumholz, M., Ostriker, E., & Hernquist, L. 2012, MNRAS, 421, 3127
Oesch, P., Bouwens, R., Illingworth, G., et al. 2014, ApJ, 786, 108
Oesch, P., Brammer, G., van Dokkum, P., et al. 2016, ApJ, 819, 129
Oesch, P. A., Bouwens, R. J., Illingworth, G. D., Labbé, I., & Stefanon, M. 2018, ApJ, 855, 105
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Ostriker, E. C., & Shetty, R. 2011, ApJ, 731, 41
Peng, C., Ho, L., Impey, C., & Rix, H. 2002, AJ, 124, 266
Peng, C. Y., Ho, L. C., Impey, C. D., & Rix, H.-W. 2010, AJ, 139, 2097
Labbe, I., van Dokkum, P., Nelson, E., et al. 2023, Natur, 616, 266
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Larson, R. L., Hutchison, T. A., Bagley, M., et al. 2023, ApJ, 958, 141
Lauer, T., Tremaine, S., Richstone, D., & Faber, S. 2007, ApJ, 670, 249
Leung, G. C. K., Bagley, M. B., Finkelstein, S. L., et al. 2023, ApJL, 954, L46
Looser, T. J., D’Eugenio, F., Maiolino, R., et al. 2023, arXiv:2306.02470
Lovell, C. C., Harrison, I., Harikane, Y., Tacchella, S., & Wilkins, S. M. 2023, MNRAS, 518, 2511
Mandelbaum, R., Seljak, U., Kauffmann, G., Hirata, C., & Brinkmann, J. 2006, MNRAS, 368, 715
Mashian, N., Oesch, P. A., & Loeb, A. 2016, MNRAS, 455, 2101
Mason, C. A., Trenti, M., & Treu, T. 2023, MNRAS, 521, 497
McCracken, H., Milvang-Jensen, B., Dunlop, J., et al. 2012, A&A, 544, A156
McCrady, N., & Graham, J. R. 2007, ApJ, 663, 844
McKinney, J., Finnerty, L., Casey, C. M., et al. 2023a, ApJL, 946, L39
McKinney, J., Pope, A., Kirkpatrick, A., et al. 2023b, ApJ, 955, 136
McLeod, D., McLure, R., Dunlop, J., et al. 2015, MNRAS, 450, 3032
McLeod, D. J., Donnan, C. T., McLure, R. J., et al. 2024, MNRAS, 527, 5004
McLeod, D. J., McLure, R. J., & Dunlop, J. S. 2016, MNRAS, 459, 3812
Michałowski, M. J., Dunlop, J. S., Cirasuolo, M., et al. 2012, A&A, 541, A85
Michałowski, M. J., Hayward, C. C., Dunlop, J. S., et al. 2014, A&A, 571, A75
Miralda-Escudé, J. 1998, ApJ, 501, 15
Mitchell, P. D., Lacey, C. G., Baugh, C. M., & Cole, S. 2013, MNRAS, 435, 87
Morley, C. V., Fortney, J. J., Marley, M. S., et al. 2012, ApJ, 756, 172
Morley, C. V., Marley, M. S., Fortney, J. J., et al. 2014, ApJ, 787, 78
Muñoz, J. B., Mirocha, J., Furlanetto, S., & Sabti, N. 2023, MNRAS, 526, L47
Naidu, R. P., Oesch, P. A., Setton, D. J., et al. 2022a, arXiv:2208.02794
Naidu, R. P., Oesch, P. A., van Dokkum, P., et al. 2022b, ApJL, 940, L14
Narayanan, D., Krumholz, M., Ostriker, E., & Hernquist, L. 2012, MNRAS, 421, 3127
Oesch, P., Bouwens, R., Illingworth, G., et al. 2014, ApJ, 786, 108
Oesch, P., Brammer, G., van Dokkum, P., et al. 2016, ApJ, 819, 129
Oesch, P. A., Bouwens, R. J., Illingworth, G. D., Labbé, I., & Stefanon, M. 2018, ApJ, 855, 105
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Ostriker, E. C., & Shetty, R. 2011, ApJ, 731, 41
Peng, C., Ho, L., Impey, C., & Rix, H. 2002, AJ, 124, 266
Peng, C. Y., Ho, L. C., Impey, C. D., & Rix, H.-W. 2010, AJ, 139, 2097
Planck Collaboration, Aghanim, N., Akrami, Y., et al. 2020, A&A, 641, A6
Poulin, V., Boddy, K. K., Bird, S., & Kamionkowski, M. 2018, PhRvD, 97, 123504
Riess, A. G., Yuan, W., Macri, L. M., et al. 2022, ApJL, 934, L7
Robertson, B. E. 2022, ARA&A, 60, 121
Saito, S., de la Torre, S., Ilbert, O., et al. 2020, MNRAS, 494, 199
Sanders, D., Salvato, M., Aussel, H., et al. 2007, ApJS, 172, 86
Schaerer, D., & de Barros, S. 2009, A&A, 502, 423
Schmidt, M. 1959, ApJ, 129, 243
Scholtz, J., Witten, C., Laporte, N., et al. 2023, arXiv:2306.09142
Scoville, N., Aussel, H., Brusa, M., et al. 2007, ApJS, 172, 1
Shah, E. A., Kartaltepe, J. S., Magagnoli, C. T., et al. 2020, ApJ, 904, 107
Shankar, F., Lapi, A., Salucci, P., De Zotti, G., & Danese, L. 2006, ApJ, 643, 14
Shen, X., Vogelsberger, M., Boylan-Kolchin, M., Tacchella, S., & Kannan, R. 2023, MNRAS, 525, 3254
Sheth, R. K., & Tormen, G. 1999, MNRAS, 308, 119
Shuntov, M., McCracken, H. J., Gavazzi, R., et al. 2022, A&A, 664, A61
Simpson, J., Smail, I., Swinbank, A., et al. 2019, ApJ, 880, 43
Skelton, R., Whitaker, K., Momcheva, I., et al. 2014, ApJS, 214, 24
Smolčić, V., Novak, M., Bondi, M., et al. 2017, A&A, 602, A1
Stark, D. 2016, ARA&A, 54, 761
Stefanon, M., Bouwens, R. J., Labbé, I., et al. 2017, ApJ, 843, 36
Stevans, M. L., Finkelstein, S. L., Wold, I., et al. 2018, ApJ, 863, 63
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., et al. 2023, ApJL, 955, L35
Susa, H., & Umemura, M. 2004, ApJ, 600, 1
Szalay, A. S., Connolly, A. J., & Szokoly, G. P. 1999, AJ, 117, 68
Tacchella, S., Eisenstein, D. J., Hainline, K., et al. 2023, ApJ, 952, 74
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Tacchella, S., Trenti, M., & Carollo, C. M. 2013, ApJL, 768, L37
Topping, M. W., Stark, D. P., Endsley, R., et al. 2022, ApJ, 941, 153
Topping, M. W., Stark, D. P., Endsley, R., et al. 2023, arXiv:2307.08835
Torrey, P., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2017, MNRAS, 467, 2301
Walter, F., Carilli, C., Neeleman, M., et al. 2020, ApJ, 902, 111
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Yoon, I., Carilli, C. L., Fujimoto, S., et al. 2023, ApJ, 950, 61
Zavala, J. A., Buat, V., Casey, C. M., et al. 2023, ApJL, 943, L9
Ziparo, F., Ferrara, A., Sommovigo, L., & Kohandel, M. 2023, MNRAS, 520, 2445
Poulin, V., Boddy, K. K., Bird, S., & Kamionkowski, M. 2018, PhRvD, 97, 123504
Riess, A. G., Yuan, W., Macri, L. M., et al. 2022, ApJL, 934, L7
Robertson, B. E. 2022, ARA&A, 60, 121
Saito, S., de la Torre, S., Ilbert, O., et al. 2020, MNRAS, 494, 199
Sanders, D., Salvato, M., Aussel, H., et al. 2007, ApJS, 172, 86
Schaerer, D., & de Barros, S. 2009, A&A, 502, 423
Schmidt, M. 1959, ApJ, 129, 243
Scholtz, J., Witten, C., Laporte, N., et al. 2023, arXiv:2306.09142
Scoville, N., Aussel, H., Brusa, M., et al. 2007, ApJS, 172, 1
Shah, E. A., Kartaltepe, J. S., Magagnoli, C. T., et al. 2020, ApJ, 904, 107
Shankar, F., Lapi, A., Salucci, P., De Zotti, G., & Danese, L. 2006, ApJ, 643, 14
Shen, X., Vogelsberger, M., Boylan-Kolchin, M., Tacchella, S., & Kannan, R. 2023, MNRAS, 525, 3254
Sheth, R. K., & Tormen, G. 1999, MNRAS, 308, 119
Shuntov, M., McCracken, H. J., Gavazzi, R., et al. 2022, A&A, 664, A61
Simpson, J., Smail, I., Swinbank, A., et al. 2019, ApJ, 880, 43
Skelton, R., Whitaker, K., Momcheva, I., et al. 2014, ApJS, 214, 24
Smolčić, V., Novak, M., Bondi, M., et al. 2017, A&A, 602, A1
Stark, D. 2016, ARA&A, 54, 761
Stefanon, M., Bouwens, R. J., Labbé, I., et al. 2017, ApJ, 843, 36
Stevans, M. L., Finkelstein, S. L., Wold, I., et al. 2018, ApJ, 863, 63
Sun, G., Faucher-Giguère, C.-A., Hayward, C. C., et al. 2023, ApJL, 955, L35
Susa, H., & Umemura, M. 2004, ApJ, 600, 1
Szalay, A. S., Connolly, A. J., & Szokoly, G. P. 1999, AJ, 117, 68
Tacchella, S., Eisenstein, D. J., Hainline, K., et al. 2023, ApJ, 952, 74
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Tacchella, S., Trenti, M., & Carollo, C. M. 2013, ApJL, 768, L37
Topping, M. W., Stark, D. P., Endsley, R., et al. 2022, ApJ, 941, 153
Topping, M. W., Stark, D. P., Endsley, R., et al. 2023, arXiv:2307.08835
Torrey, P., Hopkins, P. F., Faucher-Giguère, C.-A., et al. 2017, MNRAS, 467, 2301
Walter, F., Carilli, C., Neeleman, M., et al. 2020, ApJ, 902, 111
Weaver, J. R., Kauffmann, O. B., Ilbert, O., et al. 2022, ApJS, 258, 11
Yoon, I., Carilli, C. L., Fujimoto, S., et al. 2023, ApJ, 950, 61
Zavala, J. A., Buat, V., Casey, C. M., et al. 2023, ApJL, 943, L9
Ziparo, F., Ferrara, A., Sommovigo, L., & Kohandel, M. 2023, MNRAS, 520, 2445
- General rights
Copyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright
owners and it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights.- Users may download and print one copy of any publication from the public portal for the purpose of private study or research.
- You may not further distribute the material or use it for any profit-making activity or commercial gain
- You may freely distribute the URL identifying the publication in the public portal
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. COSMOS2020 used UltraVISTA DR4 imaging, while this work uses UltraVISTA DR5. This is done to ensure that a flat prior is assumed as a function of redshift rather than a flat prior on the age of the stellar population, which is automatically capped at the age of the Universe at any given redshift. A subtlety of is that it may dip below unity. While the same behavior for a reduced would be an indication of an overfit data set, that is not the case for where we are not accounting for the number of free parameters in the model (if we were, the value of would increase). Note that efficiency, , in Harikane et al. (2023) captures the instantaneous “efficiency” of a halo whereas is the integrated efficiency; both are distinct from , the star-forming efficiency which is the inverse of the gas depletion time, discussed more in Section 5.6. We note that several works have argued the UVLF is intrinsically a double power law down to , though such works primarily relate to sources whose luminosities are likely attributable to AGN (Stevans et al. 2018; Adams et al. 2020; Finkelstein & Bagley 2022; Harikane et al. 2022), and here we discuss the regime not thought to be AGN dominated.