المجلة: The Astrophysical Journal، المجلد: 968، العدد: 1
DOI: https://doi.org/10.3847/1538-4357/ad38bb
تاريخ النشر: 2024-06-01
DOI: https://doi.org/10.3847/1538-4357/ad38bb
تاريخ النشر: 2024-06-01
ما طبيعة النقاط الحمراء الصغيرة وما ليس كذلك، إصدار ميري سمايلز
الملخص
نحن ندرس 31 نقطة حمراء صغيرة (LRD) تم اكتشافها بواسطة JADES/NIRCam ومغطاة بواسطة مسح SMILES/MIRI، من بينها
مفاهيم معجم الفلك الموحد: تشكيل المجرات (595)؛ تطور المجرات (594)؛ المجرات ذات الانزياح الأحمر العالي (734)؛ محتوى النجوم في المجرات (621)؛ تجمعات النجوم (1622)؛ الفوتومترية ذات النطاق العريض (184)؛ أعمار المجرات (576)؛ تلسكوب جيمس ويب الفضائي (2291)؛ النوى المجرية النشطة (16)
1. المقدمة
في الشهر الأول من عمليات العلوم لتلسكوب جيمس ويب الفضائي، حدد لابي وآخرون (2023ب) عينة من المصادر المدمجة ذات توزيعات طاقة طيفية مميزة (SEDs) تظهر انقطاعين واضحين (لايمان وبالمر) في بيانات NIRCam + تلسكوب هابل الفضائي (HST). كما تم تمييز SEDs بتغير في الميل: كانت لها ألوان حمراء عند الأطوال الموجية المرصودة بين
القدرات التي يوفرها تلسكوب جيمس ويب، تصل بسهولة إلى درجات سطوع تصل إلى
تم التعرف بسرعة على وجود مثل هذه المجرات الضخمة المبكرة كمسألة خطيرة محتملة في فهمنا لكيفية تشكل المجرات وتطورها. في الواقع، ستكون الكتل الكبيرة من الصعب جداً تفسيرها مع الوضع الحالي.
تم تحدي هذا التفسير ذي الكتلة العالية من خلال اعتماد نماذج ذات انبعاثات سحابية بارزة، والتي يمكن أن تفسر طبيعتها الحمراء بسبب المساهمة غير القابلة للتجاهل لخطوط الانبعاث (والاستمرارية السحابية) في التدفقات العريضة النطاق حيث تدخل نطاقات تمرير NIRCam لمختلف الانزياحات الحمراء، مما يعني كتل نجمية أصغر بكثير (بعامل 10 أو أكثر) (انظر Endsley et al. 2023a، 2023b؛ Pérez-González et al. 2023a؛ Desprez et al. 2024). كما ستنخفض الكتل المقدرة للمجرات المبكرة بشكل كبير إذا كانت لديها وظائف كتلة أولية نجمية ثقيلة (IMFs؛ Woodrum et al. 2023؛ Wang et al. 2024).
تفسير أبسط في بعض الحالات هو أخطاء الانزياح الأحمر أو التعريفات الخاطئة. في الواقع، قدم كوتسيفسكي وآخرون (2023) طيفية لأحد المجرات الضخمة المزعومة في لابي وآخرون (2023ب)، مما أظهر تقديرًا مفرطًا للانزياح الأحمر الضوئي، والذي يمكن أن يفسر جزئيًا القيمة العالية للكتلة لهذه المصدر وبعض المصادر الأخرى، على عكس الانزياح الأحمر الضوئي الأكثر دقة والكتلة الأصغر (10 مرات) التي وجدت في بيريز-غونزاليس وآخرون (2023أ) لنفس المصدر. ومع ذلك، فإن الاتفاق العام بين مؤلفين مختلفين في تحديد الانزياحات الحمراء الضوئية لهذا النوع من المصادر يعني أن أخطاء الانزياح الأحمر ليست مقلقة من الناحية الإحصائية (التقديرات تتفق جيدًا بين الأوراق لـ
بالاشتراك مع ألوانها، أدت الكثافة الشديدة للأجسام الحقيقية ذات الانزياح الأحمر العالي إلى مصطلح LRDs (كما اقترح ماتهي وآخرون في 2024). أصبح فهم LRDs أكثر تعقيدًا نظرًا لوجود مجموعة متنوعة من تقنيات الاختيار التي تؤدي إلى أنواع مشابهة جدًا من الأجسام من حيث الشكل المضغوط وألوان LW-to-SW الحمراء، مع مستويات عالية من التداخل ولكن أيضًا “تلوث” من أنواع أخرى من المصادر (مثل، المجرات الحمراء غير المضغوطة جدًا أو النقاط الصغيرة غير الحمراء جدًا). نظر لابيه وآخرون (2023ب) في الأصل إلى المصادر التي تحتوي على انكسارات في SED، مما أدى إلى SED مسطح أو أزرق عند الأطوال الموجية الأقصر من
لقد تم تعقيد السؤال حول الطبيعة العامة لـ LRDs من خلال العثور على أدلة على وجود نوى مجرية نشطة (AGN). حدد كوتسيفسكي وآخرون (2023) نطاقًا واسعًا (
تم استخدام عدم الكشف عن (ALMA) أيضًا للدفاع عن طبيعة AGN لغالبية انبعاث LRD (لابي وآخرون 2023a).
تم استخدام عدم الكشف عن (ALMA) أيضًا للدفاع عن طبيعة AGN لغالبية انبعاث LRD (لابي وآخرون 2023a).
يتطلب حل التحديات الموضحة أعلاه التعمق أكثر في الأشعة تحت الحمراء المتوسطة (MIR) حيث يمكن تمييز انبعاث النجوم وAGN. بيانات MIRI عند الأطوال الموجية المرصودة الأقصر من
كما هو واضح من المناقشة السابقة، فإن الطبيعة الدقيقة للـ LRDs لا تزال غير واضحة، ولا يوجد دليل قاطع على أنها نوع واحد من الظواهر، أي أنها قد تكون مزيجًا من الفرضيات المختلفة المطروحة، كما أن طبيعتها تتأثر أيضًا بتحيزات الاختيار.
في هذه الورقة، نحقق في طبيعة LRDs باستخدام أفضل بيانات MIRI متعددة الأطوال الموجية، ذات المساحة الكبيرة المتاحة حتى الآن، والتي تأتي من مسح SMILES (Lyu et al. 2024). في الواقع، تعتبر MIRI ضرورية لفك تشفير طبيعة LRDs. إذا كانت مهيمنة بواسطة تشكيل النجوم، يجب أن تظهر SEDs لـ LRDs
الأهداف الرئيسية من هذه الورقة هي اختيار ودراسة LRDs بطريقة شاملة، بما في ذلك أمثلة تمثل مجموعة من الخصائص، ورؤية كيف تؤثر استنتاجاتنا حولها على النماذج المختلفة المعقدة. لتحقيق هذه الأهداف، تم تنظيم الورقة على النحو التالي. يقدم القسم 2 بيانات NIRCam وMIRI المستخدمة لاختيار وتوصيف عينة من LRDs في مجال GOODS-S. يصف القسم 3 متوسط SEDs لـ LRDs، ويقدم القسم 4 نماذج انبعاث النجوم وAGN التي ستستخدم لتوصيف الخصائص الفيزيائية لـ LRDs على أساس كل مجرة على حدة وأساس إحصائي في القسم 5. أخيرًا، يناقش القسم 6 ويُلخص استنتاجاتنا. كما ندرج في هذه الورقة ثلاثة ملاحق تصف بالتفصيل تقليل بيانات MIRI، ونماذج انبعاث الغبار التي تعتبر من أهم مكونات نمذجة SED، وتوفر ملاءمات SED للعينة الكاملة.
طوال الورقة، نفترض كوزمولوجيا مسطحة مع
الشكل 1. تُظهر الألواح اليسرى والوسطى مخططات اللون-القدر F277W-F444W مقابل F444W ومخططات اللون-اللون F277W-F444W مقابل F150W-F200W، بالإضافة إلى هيستوجرامات ألوان NIRCam، موضحةً عتبات الاختيار لـ LRDs (F277W-F444W
جميع تقديرات الكتلة النجمية ومعدل تشكيل النجوم (SFR) تفترض دالة الكتلة النجمية العالمية لشابريه (2003)، وهي فرضية ذات صلة كبيرة لهذه المعلمات (لكن قد لا تكون دقيقة نظرًا للظروف القاسية).
2. اختيار البيانات والعينة
2.1. اختيار قائم على NIRCam
تم جمع عينة LRDs التي تم تحليلها في هذه الورقة من كتالوجات الإصدار الثاني من مسح JWST المتقدم العميق خارج المجرة، JADES (Eisenstein et al. 2023b) (Eisenstein et al. 2023a)، والذي جمع أيضًا بيانات من الملاحظات الطيفية الكاملة لعصر إعادة التأين الأول (FRESCO؛ Oesch et al. 2023) ومسح JWST خارج المجرة ذو النطاق المتوسط (JEMS؛ Williams et al. 2023b). كما استخدمنا كتالوج Rieke et al. (2023) لقياسات الانزياح الطيفي، والذي شمل القيم المقاسة باستخدام بيانات تم أخذها بواسطة NIRCam (Oesch et al. 2023) وNIRSpec (Bunker et al. 2023). نظرًا للطبيعة الصغيرة (تقريبًا كالنقطة) لمصادر اهتمامنا والواقع أننا أردنا في النهاية تحليل SEDs بما في ذلك بيانات MIRI، استخدمنا
إجراءات الاختيار ملخصة في الشكل 1، حيث نقارن عينتنا مع عينات أخرى موجودة في الأدبيات.
بشكل عام، معيار اختيار الألوان لدينا أزرق أكثر من ذلك المستخدم في بارو وآخرون (2024)، الذين فرضوا قطع لون أحمر أكثر (F277WF444W
نقوم بتقييد العينة أكثر لتشمل المنطقة التي تغطيها MIRI ضمن SMILES (Lyu et al. 2024)، مما يؤدي إلى عينة من 37 مجرة. كما أظهر Hainline et al. (2024a)، قد يكون هذا النوع من اختيار الألوان للمجرات ذات الانزياح الأحمر العالي ملوثًا بالأقزام البنية. لأخذ ذلك في الاعتبار، واتباعًا لتحليلهم، قمنا بإزالة من العينة الأصلية الأربعة مصادر التي لديها لون F115W-F150W < – 0.5 mag. تم إزالة اثنين آخرين من LRDs حيث تم التعرف عليهم كأقزام بنية ذات حركة مناسبة (Hainline et al. 2024a). تحتوي عيّنتنا النهائية على 31 مجرة تم اكتشافها في SMILES 34.9 دقيقة قوسية.
تشمل عيّنتنا النهائية 14 مصدرًا تم دراستها في ويليامز وآخرون (2023أ)، بالإضافة إلى مصدرين تم تضمينهما في عيّنة مرشحي AGN المحجوبة ذات الانزياح الأحمر العالي المقدمة في ليو وآخرون (2024)، ومصدر واحد تم تحديده كـ AGN في ماثي وآخرون (2024)، وخمسة مجرات تم اختيارها كمرشحين ذات انزياح أحمر عالي في هاينلاين وآخرون (2024ب). بالمقارنة مع المجرات المشتركة مع ويليامز وآخرون (2023أ)، فإن العيّنة في هذه الورقة أضعف بمقدار 0.5 مغ في F 444 W (الوسائط والرباعيات
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
| 99915 |
|
|
|
|
||||||||||
|
|
|
|||||||||||||
الشكل 2. صور مركبة ملونة باستخدام NIRCam F150W+F277W+F444W لعينة من 31 LRDs في هذه الورقة. الشمال في الأعلى، الشرق على اليسار، الأحجام هي
2.2. خصائص الأشعة تحت الحمراء المتوسطة
في هذا القسم، نناقش اكتشافات عينة LRDs الخاصة بنا في بيانات MIRI التي تم جمعها بواسطة SMILES (Lyu et al. 2024). نبدأ أولاً بوصف موجز لهذه المجموعة من البيانات، ثم نناقش نسب الاكتشاف في MIRI كدالة لطول الموجة.
2.2.1. وصف بيانات MIRI
تم تقليل بيانات MIRI التي تم جمعها بواسطة مسح SMILES (معرف البرنامج 1207، الباحث الرئيسي: ج. ريك، ليو وآخرون 2024) باستخدام إصدار 1.12.3 من خط أنابيب JWST، وملفات المرجع في إصدار pmap 1138، والذي يتضمن تحسينات في المعايرة الفوتومترية المطلقة و
الجدول 1
عينة من LRDs
عينة من LRDs
| اسم المجرة | معرف JADES DR2 | F444W (مغ) | F277W-F444W (مغ) | F150W-F200W (مغ) | عينة MIRI |
| جادس-جي إس-53.12497-27.86835 | 42645 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.11532-27.85922 | 57356 |
|
|
|
الخمسة الذهبية |
| جادس-جي إس-53.09116-27.85260 | 68544 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.10831-27.85101 | 70714 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.11993-27.84640 | ٧٥٦٥٤ |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.14763-27.84205 | 79803 |
|
|
|
الخمسة الذهبية |
| جادس-جي إس-53.12540-27.83997 | 81400 |
|
|
|
عينة F770W |
| جادس-جي إس-53.13383-27.82825 | 90354 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.15905-27.81825 | 99267 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.17603-27.81740 | 99915 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.15933-27.81175 | ١٠٤٢٣٨ |
|
|
|
عينة F770W |
| جادس-جي إس-53.12543-27.78744 | ١٢٠٤٨٤ |
|
|
|
عينة F770W |
| جادس-جي إس-53.12690-27.78615 | 121710 |
|
|
|
عينة F1000W |
| جادس-جي إس-53.17280-27.78315 | ١٢٤٣٢٧ |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.14430-27.77986 | 126594 |
|
|
|
عينة F770W |
| جادس-جي إس-53.20400-27.77210 | 132229 |
|
|
|
عينة F1000W |
| جادس-جي إس-53.19077-27.76788 | ١٣٦٨٧٢ |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.14795-27.75993 | 143133 |
|
|
|
لا ميري/ابتسامات |
| جادس-جي إس-53.15817-27.73913 | 154428 |
|
|
|
عينة F1000W |
| جادس-جي إس-53.09642-27.85309 | 184838 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.10605-27.84823 | 187025 |
|
|
|
عينة F770W |
| جادس-جي إس-53.14365-27.82553 | 194809 |
|
|
|
لا MIRI/SMILES |
| جادس-جي إس-53.12654-27.81809 | 197348 |
|
|
|
عينة F770W |
| جادس-جي إس-53.12142-27.79491 | ٢٠٣٧٤٩ |
|
|
|
عينة F1000W |
| جادس-جي إس-53.13859-27.79025 | 204851 |
|
|
|
الخمسة الذهبية |
| جادس-جي إس-53.16611-27.77204 | ٢١٠٦٠٠ |
|
|
|
عينة F1000W |
| جادس-جي إس-53.18354-27.77016 | 211388 |
|
|
|
الخمسة الذهبية |
| جادس-جي إس-53.17922-27.75872 | 214552 |
|
|
|
عينة F1000W |
| جادس-جي إس-53.18478-27.74405 | 217926 |
|
|
|
عينة F1000W |
| جادس-جي إس-53.16137-27.73767 | ٢١٩٠٠٠ |
|
|
|
الخمسة الذهبية |
| جادس-جي إس-53.19212-27.75251 | 297689 |
|
|
|
عينة F770W |
ملاحظة. جدول يحتوي على معلومات أساسية (تستخدم للاختيار) حول عينة المجرات في هذه الورقة: اسم بتنسيق IAU، معرف مستند إلى كتالوج JADES DR2 (Eisenstein et al. 2023a)، اللمعان والألوان المستخدمة في الاختيار (انظر الشكل 1)، والعينة الفرعية وفقًا لأحمر نطاق العد مع اكتشاف MIRI.
تصحيحات الفتحة بناءً على توصيف أفضل لوظائف الانتقال النقطية، خاصة عند أقصر الأطوال الموجية.
تصحيحات الفتحة بناءً على توصيف أفضل لوظائف الانتقال النقطية، خاصة عند أقصر الأطوال الموجية.
بصرف النظر عن خطوات الأنبوب الرسمية، تشمل تقنيتنا الخاصة معالجة خاصة للخلفية للتعامل مع العيوب المرئية في بيانات MIRI (مثل الخطوط، حلقات الأشجار، وعدم التجانس في الصفوف والأعمدة). يتم تحقيق ذلك من خلال استراتيجية خلفية فائقة تم شرحها بإيجاز في Álvarez-Márquez وآخرون (2023) وLyu وآخرون (2024). نظرًا لأهمية الوصول إلى أعمق تدفقات ممكنة في تحليل المصادر ذات الانزياح الأحمر العالي المقدمة في هذه الورقة، نشرح ونميز بالتفصيل إجراءات تقليل MIRI المصممة خصيصًا في الملحق A.
تم إجراء قياسات الفوتومترية في نطاقات MIRI في فتحات دائرية بأشعة
2.2.2. اكتشافات MIRI
من بين 31 LRD تم اختيارها باستخدام بيانات JADES NIRCam حتى
قمنا بتقسيم عينة LRDs إلى أربع مجموعات فرعية تم اكتشافها حتى نطاق MIRI معين: (1) خمسة مجرات تم اكتشافها في F1280W وأطوال موجية أطول، والتي سنطلق عليها اسم الخمسة الذهبية؛ (2) سبعة مجرات تم اكتشافها فقط حتى F1000W (أي، باستثناء النوع السابق)؛ (3) سبعة مصادر تم اكتشافها فقط حتى F770W (باستثناء الأنواع السابقة)؛ (4) وأخيرًا، 12 مجرة لم يتم اكتشافها في أي نطاق من MIRI. تُظهر الألواح والرسوم البيانية في الشكل 1، بالإضافة إلى الطوابع البريدية في الشكل 2، هذه المجموعات الفرعية بألوان مختلفة. توضح الشكل الأول أن نسبة اكتشاف MIRI تعتمد بشكل كبير على سطوع F444W، وهي تقريبًا مستقلة.
من لون F150W-F200W. ومن المثير للاهتمام أن لون F277W-F444W يظهر بعض الاختلافات بين المجموعات الفرعية، حيث تعتبر المجرات الخمس الذهبية من الأكثر زُرقة، وعينة F1000W من الأكثر احمرارًا (سنعلق على ذلك في الأقسام التالية). ومن الجدير بالذكر أن اثنين فقط من المجرات الخمس الذهبية سيتم التعرف عليهما كمجرات ذات انزياح أحمر منخفض تحت اختيار لون أكثر تقييدًا من F277W-F444W.
من لون F150W-F200W. ومن المثير للاهتمام أن لون F277W-F444W يظهر بعض الاختلافات بين المجموعات الفرعية، حيث تعتبر المجرات الخمس الذهبية من الأكثر زُرقة، وعينة F1000W من الأكثر احمرارًا (سنعلق على ذلك في الأقسام التالية). ومن الجدير بالذكر أن اثنين فقط من المجرات الخمس الذهبية سيتم التعرف عليهما كمجرات ذات انزياح أحمر منخفض تحت اختيار لون أكثر تقييدًا من F277W-F444W.
2.3. الانزياحات الحمراء
تم توفير انزياحات حمراء طيفية لـ 18 مجرة من أصل 31 في العينة الكاملة (55%) من قبل CANDELS (Guo et al. 2013) وFRESCO (Oesch et al. 2023) (المقاسة بواسطة فريق JADES) وبيانات JADES NIRSpec (Eisenstein et al. 2023a; Bunker et al. 2023)، وجميعها مصنفة على أنها آمنة للغاية.
تم تقدير الانزياحات الضوئية لجميع المجرات باستخدام EAZY (بريمر وآخرون 2008)، باستخدام إما قياسات التدفق المباشرة لجميع النطاقات أو نسخة معدلة من البرنامج تعاقب الحلول التي تشير إلى تدفقات تتجاوز الحدود العليا. استخدمنا قوالب الإصدار 1.3، التي تشمل طيف مجرة غبارية وطيف مجرة ذات خط انبعاث عالي، وأضفنا قالبًا جديدًا لمجرة ذات خط انبعاث متطرف بالإضافة إلى نموذج AGN+torus (استنادًا إلى الطيف في كيلي وآخرون 2023). استنادًا إلى المقارنة مع القيم الطيفية، اخترنا الحد الأقصى.
جودة الانزياحات الحمراء الفوتومترية، عند مقارنتها بالقيم الطيفية، مرتفعة بشكل ملحوظ، جزئياً نتيجة لوجود خطوط انبعاث قوية في العديد من LRDs في عينتنا. الفرق المطلق المتوسط بين القيم الفوتومترية والطيفية هو 0.01، وليس لدينا أي قيم شاذة (تعرف على أنها مجرات مع
يوضح الشكل 1 هيستوجرام توزيع الانزياح الأحمر لعينة دراستنا. التوزيع مسطح نسبيًا بين
2.4. قيود إضافية على SED
بخلاف تدفقات NIRCam وMIRI، استخدمنا تدفقات كاميرا هابل المتقدمة للمسح (ACS) التي تم قياسها في صور حقل هابل التراثي (Illingworth et al. 2016; Whitaker et al. 2019). باستثناء مصدر واحد، غير المغطى بواسطة قنوات NIRCam SW، لم نستخدم بيانات WFC3. تحققنا من أن أيًا من LRDs في هذه الورقة لم يتم اكتشافه بواسطة سبitzer باستخدام أداة MIPS أو بواسطة هيرشل باستخدام PACS وSPIRE. مع الأخذ في الاعتبار الفهارس المستخدمة في Barro et al. (2019)، فرضنا في تحليل SED الخاص بنا
3. توزيعات الطاقة الطيفية لـ LRDs
3.1. متوسط توزيعات الطاقة الطيفية
تظهر الشكل 3 الأطياف الطيفية في إطار الراحة، مُعيرة عند
بشكل عام، تبرز الرسوم البيانية بوضوح شديد الاستمرارية الزرقاء المسطحة للأشعة فوق البنفسجية بالإضافة إلى الاستمرارية الحمراء الحادة للأشعة البصرية للنجوم ذات الكتلة المنخفضة. من الصعب نمذجة مثل هذه الأطياف الطيفية الغريبة باستخدام نماذج السكان النجميين التقليدية تحت الافتراضات التقليدية، وبالتالي تتطلب معالجة أكثر تعقيدًا أو غير عادية (لتجنب التحيزات في تحديد الكتل النجمية، على سبيل المثال). وقد قدمت الأعمال الأخيرة حلولًا مختلفة لمحاولة تفسير انبعاث النجوم ذات الكتلة المنخفضة باستخدام انبعاث قوي وعالي.
لقد حظيت النماذج التي تهيمن عليها AGN بمزيد من الاهتمام مؤخرًا استنادًا إلى الملاحظات الطيفية لـ LRDs التي تظهر خطوط انبعاث قوية، وأحيانًا عريضة (FWHM >
تشير الشكل 3 إلى أن SED المكدس لـ SMILES LRDs يتوافق جيدًا مع النتائج من الأعمال السابقة المستندة إلى بيانات NIRCam: الإطار الزمني للأشعة فوق البنفسجية حتى
الإطار الزمني البصري يقدم منحدرًا حادًا جدًا من 0.4 إلى
الشكل 3. منحنيات الطيف الكهرومغناطيسي المكدسة لمصادر تم اكتشافها بواسطة MIRI (اللوحة اليسرى) ولم يتم اكتشافها (اللوحة اليمنى)، مُعَيارَة عند طول الموجة في إطار الراحة
ومع ذلك، فإن تفسير أن SEDs LRD SEDs تهيمن عليها نموذج AGN النقي و/أو المعقد (مع قانون التوهين الرمادي) لا يدعمه عندما نأخذ في الاعتبار منطقة الطيف NIR في إطار الزمان التي تم استكشافها بواسطة MIRI، الإضافة الرئيسية في هذه الورقة، كما تم تقديمه لأول مرة في ويليامز وآخرون (2023a). بيانات MIRI (الدوائر الملونة في الشكل 3) ومتوسط SED أقل باستمرار من توقعات نموذج التوروس لبوليتا وآخرون (2007). يمكن إجراء تقييم أكثر عمومية من خلال تطبيق مستويات مختلفة من التعتيم على نموذج AGN القياسي غير المعتم.
يستقر عند قيمة تقريبًا مسطحة عند
يستقر عند قيمة تقريبًا مسطحة عند
المقارنة بين الفوتومترية والقوالب في الشكل 3 تشير بقوة إلى أن انبعاث الأشعة تحت الحمراء القريبة (NIR) للـ LRDs (حوالي
الشكل 4. ألوان NIRCam وMIRI مقابل الانزياح الأحمر لجميع LRDs المكتشفة على الأقل في F770W. توضح الخطوط مسارات اللون والانزياح الأحمر لنفس النماذج المعروضة في الشكل 3. يتم تمييز المجرات من عينات مختلفة بألوان مختلفة. تُظهر اللوحتان الأوليان في الصف العلوي ألوان F444W-F560W(F770W)، المتاحة لمعظم المصادر. تُظهر اللوحة الأخيرة في الأعلى واللوحات السفلية ألوان MIRI-MIRI بالنسبة لـ F770W. يتم الإشارة إلى الوسيط والتشتت للألوان في الزاوية العلوية اليسرى.
تظهر اللوحة اليمنى من الشكل 3 متوسط SED لـ LRDs التي لم يتم اكتشافها بواسطة MIRI. نطاق الأشعة فوق البنفسجية أزرق أكثر من حالة الاكتشاف بواسطة MIRI، مما يتماشى أكثر مع ميل طيف QSO المتوسط. التغيير في الميل عند
3.2. ألوان ميري
توضح الشكل 4 المزيد مما تكشفه ملاحظات MIRI حول طبيعة LRDs، متعمقة أكثر في تأثيرات الانزياح الأحمر. تظهر لوحتان من الأعلى الألوان المتوقعة لنظام NIRCam-MIRI لأنواع مختلفة من القوالب كدالة للانزياح الأحمر. لا يمكن فصل طبيعة انبعاث LRD في النطاق الطيفي الذي تم استكشافه بواسطة ألوان F444WF560W أو F444W-F770W: حيث إن كل من انبعاثات AGN والانبعاثات المهيمنة على النجوم ستظهر اختلافات لونية مشابهة جدًا تبلغ حوالي 0.5 مغ، ويعقد تأثير خطوط الانبعاث في فلتر واحد و/أو الآخر عند انزياحات حمراء محددة المشكلة. فقط عند المراقبة في أطوال موجية أطول باستخدام MIRI،
انبعاث مهيمن من النجوم يقدم
انبعاث مهيمن من النجوم يقدم
باختصار، كما وُجد في القسم السابق، تُظهر هذه التحليل الأكثر تفصيلاً كيف أن SEDs المُنشأة حتى أحمق نطاقات NIRCam تتوافق مع AGN مهيمن مع انبعاث مركب: أزرق في الأشعة فوق البنفسجية، مع خطوط انبعاث تأتي من BLR، وتبدأ في الارتفاع كما هو متوقع لانبعاث قرص الغبار حتى
في الشكلين 3 و 4، نعرض أحد نماذج نقل الإشعاع للانفجارات النجمية النووية الغنية بالغبار والمجرات اللامعة بالأشعة تحت الحمراء (LIRGs) المقدمة في Siebenmorgen & Krügel (2007). على وجه الخصوص، نرسم (باللون الأزرق) النموذج لانفجار نجمي شديد مع منطقة تشكيل نجوم تبلغ 350 فرسخ فلكي مع سطوع يشبه سطوع المجرات تحت اللامعة بالأشعة تحت الحمراء.
الشكل 5. نتائج ملاءمة SED للمصدر JADES-57356، LRD في عيّنتنا التي تم اكتشافها حتى F2100W. تُظهر الألواح الأربعة العلوية: (1) الملاءمات لـ SYNTHESIZERAGN+ في اللوحة العلوية اليسرى، بما في ذلك المكونات الفردية للنموذج، أي النجوم الشابة والقديمة وجميع النجوم باللون الأزرق، والأزرق الفاتح، والرمادي، وAGN (غير) المحجوبة باللون البرتقالي، وانبعاث الغبار العادي (المرتبط في الأساس بتكوين النجوم) باللون الأحمر؛ (2) النتائج لـ PROSPECTOR-AGN+ في اللوحة العلوية اليمنى، التي تُظهر المكونات الثلاثة، النجوم باللون الرمادي، وAGN باللون البرتقالي، والغبار المسخن بتكوين النجوم باللون الأحمر؛ (3) PROSPECTOR-SF في الأسفل اليسار، الذي يُظهر النجوم باللون الرمادي والغبار المسخن بتكوين النجوم باللون الأحمر؛ و(4) PROSPECTOR-AGN في الأسفل اليمين، بما في ذلك النجوم الشابة باللون الأزرق، والانبعاث الكلي لـ AGN باللون البرتقالي، مع انبعاث التوروس موضحًا بخط متقطع. عدد النطاقات التي تم ملاءمتها و(أي، غير المخفضة)
الشكل 6. نفس الشكل 5، ولكن لمصدر JADES-204851، وهو مصدر تم اكتشافه حتى F1800W.
اعتماد الانزياح الأحمر على لون هذه القالب، الموضح في الشكل 4، يتماشى تمامًا مع القياسات.
مع الأخذ في الاعتبار الاتجاهات العامة التي تم مناقشتها مع الأشكال 3 و 4، في القسم التالي، نستكشف عدة سيناريوهات جديدة مختلفة لنمذجة أطياف SEDs لنظام NIRCam+MIRI لكل LRD في عيّنتنا.
4. رموز نمذجة SED للـ LRDs
في هذا القسم، نقدم طرق تركيب SED التفصيلية التي ستطبق على تحليل الكائنات الفردية في عيّنتنا لاستنتاج خصائصها الفيزيائية. ستُعرض النتائج في القسم التالي، مع التركيز على تلك المجرات.
الشكل 7. نفس الشكل 5، ولكن لمصدر JADES-219000، وهو مصدر تم اكتشافه حتى F1500W.
التي لديها انزياحات حمراء طيفية وتم اكتشافها في عدة نطاقات MIRI. تم ملاءمة الأطياف الطيفية لجميع LRDs لدينا بأربعة أكواد، كل منها مع افتراضات وأساليب مختلفة: SYNTHESIZER-AGN، PROSPECTOR-SF، PROSPECTOR-AGN، و PROSPECTOR-AGN+.
4.1. كود SYNTHESIZER-AGN
بالنسبة لشفرة SYNTHESIZER-AGN (بيري-غونزاليس وآخرون 2003، 2008)، افترضنا مجموعة نجمية مركبة تحتوي على كل من انفجار نجمي شاب وآخر أكثر تطورًا. الانبعاث النجمي
الشكل 8. نفس الشكل 5، ولكن لمصدر JADES-211388، وهو مصدر تم اكتشافه حتى F1280W.
يتم وصفه بواسطة نماذج بروزاوال وشارلوت (2003)، مع افتراض دالة الكتلة النجمية تشابريه (2003) مع حدود كتلة نجمية تتراوح بين 0.1 و
المصدر. يتم أيضًا اعتبار الانبعاث السديمي (انظر بيريز غونزاليس وآخرون 2003 للحصول على التفاصيل). يتم وصف التخفيفات في الانبعاث النجمي والسديمي بواسطة قانون كالتزتي وآخرون (2000)، مع
المصدر. يتم أيضًا اعتبار الانبعاث السديمي (انظر بيريز غونزاليس وآخرون 2003 للحصول على التفاصيل). يتم وصف التخفيفات في الانبعاث النجمي والسديمي بواسطة قانون كالتزتي وآخرون (2000)، مع
الشكل 9. نفس الشكل 5، ولكن لمصدر JADES-79803، وهو مصدر تم اكتشافه حتى F1280W.
قد تساهم AGN) مع قوالب نقل الإشعاع للانفجارات النجمية النووية المقدمة في Siebenmorgen & Krügel (2007). نستخدم القوالب لمناطق تشكيل النجوم بقطر 350 فرسخ فلكي، مع أشكال SED مختلفة مُعلمة بواسطة اللمعان الكلي للأشعة تحت الحمراء (من نطاقات sub-LIRG إلى Hyper-LIRG)، بصريًا
انقراض الوميض النجمي (من 2 إلى 144 مغ)، ونسبة إلى اللمعان الكلي (من
انقراض الوميض النجمي (من 2 إلى 144 مغ)، ونسبة إلى اللمعان الكلي (من
بصرف النظر عن تجمع النجوم، نضيف مكون AGN موصوف بقالب QSO تم بناؤه باستخدام الطيف المتوسط لـ QSOs المقدم في Vanden Berk et al. (2001) و Glikman et al. (2006)، وتم توسيعه إلى الأشعة تحت الحمراء البعيدة باستخدام قالب الدخان في Siebenmorgen et al. (2015). تم عرض هذا النموذج في الشكل 3. كما يُفترض أن يتبع تخفيف نموذج AGN قانون Calzetti et al. (2000)، ونفرض معيار توازن الطاقة، بحيث يتم إعادة إشعاع الطاقة الممتصة بواسطة الغبار في الأشعة تحت الحمراء المتوسطة والأشعة تحت الحمراء البعيدة، مما يزيد من انبعاث الدخان.
هناك تسعة معلمات حرة لوصف تجمع النجوم. بخلاف المعلمات الأربعة لكل تجمع نجمي، وهي: العمر، والمدة الزمنية، والتخفيف، والفلزية، نقوم بتناسب نسبة الكتلة النجمية بين النجوم الأحدث والكتلة الكلية، وقوة الانفجار. نضيف إلى المعلمات النجمية التسعة معلمين آخرين يصفان مقياس نموذج AGN بالنسبة للنجوم وتخفيفه.
نلاحظ أن SYNTHESIZER-AGN يفترض انقراضات مستقلة للسكان النجميين في المضيف (بالإضافة إلى AGN). هذا يختلف عما يتم في الأكواد التالية، حيث يتم التحكم في التخفيف للإشعاع النجمي بواسطة معلمات مشتركة (التخفيف المرئي وانحدار قانون التخفيف)، على الرغم من أنه يتم التعامل مع النجوم الشابة داخليًا بشكل مختلف عن النجوم القديمة.
4.2. كود PROSPECTOR-SF
بالنسبة لـ PROSPECTOR-SF (Leja et al. 2017; Johnson et al. 2021)، نستخدم مسارات تطور النجوم وisochrones من MIST (Choi et al. 2016)، وIMF من Chabrier (2003)، ونطاق في المعدن النجمي بين -1.0 و0.19، ومعدنية الغاز.
يتضمن هذا النموذج خمسة معلمات مجانية تتحكم في نسبة معدل تكوين النجوم في ستة صناديق زمنية متجاورة؛ حيث تكون الصندوقان الأولان متباعدين عند
4.3. كود PROSPECTOR-AGN
نوع ثالث من الملاءمة، PROSPECTOR-AGN فيما بعد، يستخدم نموذج هجين من المجرة + AGN مشابه لذلك الموصوف في بارو وآخرون (2024). باختصار، نستخدم مزيجًا من مكون انبعاث نجمي يهيمن في إطار الأشعة فوق البنفسجية وواحد AGN يهيمن في الأطوال الموجية البصرية إلى الأشعة تحت الحمراء. من حيث البناء، هذا هو النموذج الوحيد الذي يجعل AGN
تُشكل الجزء الأكبر من اللمعان، وبالتالي، تعمل كاختبار جدوى لنماذج توزيع الطاقة الطيفية التي تهيمن عليها AGN (مُجبرة على أن تكون سائدة، وليست حرة كما في حالة كود PROSPECTOR-AGN+ المقدم أدناه). يتم نمذجة الانبعاث النجمي باستخدام Prospector من خلال تأخير بارامتري.
تُشكل الجزء الأكبر من اللمعان، وبالتالي، تعمل كاختبار جدوى لنماذج توزيع الطاقة الطيفية التي تهيمن عليها AGN (مُجبرة على أن تكون سائدة، وليست حرة كما في حالة كود PROSPECTOR-AGN+ المقدم أدناه). يتم نمذجة الانبعاث النجمي باستخدام Prospector من خلال تأخير بارامتري.
4.4. كود PROSPECTOR-AGN+
آخرًا وليس آخرًا، فإن PROSPECTOR-AGN+ هو نسخة معدلة من كود PROSPECTOR الأصلي مع توليف مرن للسكان النجميين (FSPS؛ كونروي وآخرون 2009؛ كونروي وغن 2010) للمكون النجمي. افترضنا دالة الكتلة الأولية لكروب (2001) وتاريخ تكوين النجوم المتأخر. كما تم تفعيل انبعاث الخطوط النجمية والضوء المستمر، كما هو مُعد مسبقًا في FSPS (بايلر وآخرون 2017). اعتمدنا منحنى التخفيف لكالزتي مع ميل مرن كما تم تقديمه في كريك وكونروي (2013). بالنسبة لانبعاث غبار المجرة، نظرًا لأن الأجسام في هذا العمل لديها
يستخدم هذا الرمز مجموعة من نماذج SED شبه التجريبية لـ AGN، والتي تم تحسينها لتحديد AGN وتوصيفها (Lyu et al. 2022، 2024). في هذا العمل، اعتمدنا تكوين نموذج مشابه كما في Lyu et al. (2024) لتحديد AGN في SMILES+JADES: يتضمن مكون AGN كل من الاستمرارية المدفوعة بواسطة AGN من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء البعيدة وخطوط الانبعاث الضيقة والعريضة من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء القريبة المستمدة من الملاحظات التجريبية. يمكن تعديل شكل الاستمرارية وقوة الخطوط في SED لـ AGN من خلال تكوين انقراض هجين يتميز بمنحنى مشابه لمنحنى SMC للانقراض المرئي الشائع في AGNs من النوع 1 وقانون إضعاف تجريبي للانقراض في الأشعة تحت الحمراء. يمكن العثور على مزيد من التفاصيل في Lyu et al. (2024) والمراجع هناك.
بالمجمل، يستخدم هذا الرمز سبعة معلمات حرة لوصف المكون النجمي واثنين للـ AGN.
4.5. ملخص
تتيح لنا هذه الرموز الأربعة مقارنة نماذج LRDs مع مجموعة واسعة من الافتراضات المدخلة. هذا مهم لتمكيننا من استنتاج أي الخصائص من المحتمل أن تكون جوهرية بدلاً من أن تكون ناتجة عن مشكلات النمذجة. تستخدم Synthesizer-AGN و PROSPECTOR-SF و PROSPECTOR-AGN+ ثلاثة وصفات مختلفة لـ
تتضمن تجمعات النجوم، مع ثلاثة أنواع لقانون الانقراض بين النجمي. يعالج SYNTHESIZER-AGN وPROSPECTOR-AGN+ انبعاث الغبار المدفأ بالنجوم بطريقتين مختلفتين. يستخدم كل من SYNTHESIZER-AGN وPROSPECTOR-AGN وPROSPECTOR-AGN+ ثلاثة نماذج مختلفة لانبعاث AGN. هذه الفئة الأخيرة مهمة بشكل خاص نظرًا لتنوع الاحتمالات لانبعاثات AGN SED وأهمية التقاط هذا التنوع في نمذجة LRDs. في الحالة الأولى، يستخدم SYNTHESIZER-AGN نموذج SED ثابت تجريبي. يقوم PROSPECTOR-AGN+ بتناسب قوالب تجريبية محجوبة بواسطة قانون تخفيف تم اشتقاقه خصيصًا لـ AGNs (انظر، على سبيل المثال، Lyu et al. 2017)، بينما يستخدم PROSPECTOR-AGN قانون قوة متناقص مع
تتضمن تجمعات النجوم، مع ثلاثة أنواع لقانون الانقراض بين النجمي. يعالج SYNTHESIZER-AGN وPROSPECTOR-AGN+ انبعاث الغبار المدفأ بالنجوم بطريقتين مختلفتين. يستخدم كل من SYNTHESIZER-AGN وPROSPECTOR-AGN وPROSPECTOR-AGN+ ثلاثة نماذج مختلفة لانبعاث AGN. هذه الفئة الأخيرة مهمة بشكل خاص نظرًا لتنوع الاحتمالات لانبعاثات AGN SED وأهمية التقاط هذا التنوع في نمذجة LRDs. في الحالة الأولى، يستخدم SYNTHESIZER-AGN نموذج SED ثابت تجريبي. يقوم PROSPECTOR-AGN+ بتناسب قوالب تجريبية محجوبة بواسطة قانون تخفيف تم اشتقاقه خصيصًا لـ AGNs (انظر، على سبيل المثال، Lyu et al. 2017)، بينما يستخدم PROSPECTOR-AGN قانون قوة متناقص مع
5. الخصائص الفيزيائية للـ LRDs
5.1. تحليل المجرة بواسطة المجرة للخمسة LRDs الذهبية
في هذا القسم، نقدم تحليلنا لبيانات الطيف الطيفي (SEDs) للأجسام البعيدة ذات اللمعان المنخفض (LRDs) التي تم اكتشافها في عدة نطاقات من MIRI. نركز مناقشتنا للخصائص على المجرات الخمس التي تم اكتشافها في نطاق F1280W وما فوق، والتي نسميها عينة الخمس الذهبية. تظهر النتائج في الأشكال 5-9. نقارن النتائج العالمية لتناسب SED التي قدمها كل واحد من أكوادنا الأربعة المختلفة في أقسام فرعية مختلفة، ونناقش بشكل مقارن كيف تتناسب مع مناطق الطيف فوق البنفسجي، والبصري، والأشعة تحت الحمراء القريبة. في نهاية القسم، نصف الخصائص للمجرات التي تم اكتشافها حتى F 1000 W، ونتناول بإيجاز بقية العينة. يتم تقديم مناقشة أكثر تفصيلاً عن جميع المجرات في عيّنتنا في الملحق C. الخصائص الفيزيائية الرئيسية لجميع LRDs موضحة في الجدول 2.
5.1.1. النتائج لخمس مجرات ذهبية مع SYNTHESIZER-AGN
مع SYNTHESIZER-AGN، يتم ملاءمة نطاق الطيف فوق البنفسجي في إطار الزمان لجميع المجرات في عينة Golden Five باستثناء JADES-57356، التي يتم ملاءمتها مع مكون QSO. بالنسبة لهذه المجرة، فإن حقيقة عدم ملاحظة أي خطوط انبعاث في الطيف البصري (
نطاق الضوء في إطار الراحة لعينة الخمسة الذهبيين يهيمن عليه نجوم أكثر تطورًا قليلاً في جميع الحالات، عادةً من
إذا اعتبرنا نسبة التوهين في الأشعة فوق البنفسجية القريبة بالنسبة للإشعاع البصري الناتج عن جميع المجموعات النجمية المضمنة في نمذجة SYNTHESIZER-AGN،
أخيرًا، يتم ملاءمة انبعاث NIR/MIR في إطار الراحة لخمس LRDs الذهبية مع الغبار المدمج مع تشكيل النجوم في ثلاث من مجرات الذهب الخمس، والغبار في حلقة AGN في المجرات الأخرى. يتم الإشارة إلى مصدر التسخين من خلال الكشف المحتمل عن ما يتعلق على الأرجح بتشكيل النجوم.
كود SYNTHESIZER-AGN يقدم أصغر
5.1.2. النتائج لخمس مجرات ذهبية مع PROSPECTOR-SF
بناءً على التصميم، يأخذ PROSPECTOR-SF في الاعتبار فقط النجوم والغبار الذي تسخنه النجوم لتناسب الأطياف الطيفية. بشكل عام، ال
نتائج PROSPECTOR-SF تشير إلى
5.1.3. النتائج لخمس مجرات ذهبية مع PROSPECTOR-AGN
السمة المميزة الرئيسية للنتائج التي تم تحقيقها باستخدام PROSPECTOR-AGN لمجرات Golden Five هي الكتلة النجمية الأصغر. بالنظر إلى أن هذا الرمز، من حيث التصميم، يناسب فقط منطقة الطيف فوق البنفسجي في إطار الراحة مع النجوم، والمنطقة البصرية والأشعة تحت الحمراء مع قوالب AGN (بما في ذلك الانبعاث من قرص الاقتران والطوروس)، فإن الكتل النجمية أصغر حتى بمقدار 100 مرة من تلك المقدرة باستخدام الرموز الأخرى. بشكل عام، تناسبات أفضل من حيث
5.1.4. النتائج لخمس مجرات ذهبية مع PROSPECTOR-AGN+
تتناسب رموز PROSPECTOR-AGN+ مع الأطياف الطيفية للخمسة مجرات الذهبية بشكل مشابه لتلك الموضحة لـ SYNTHE-SIZER-AGN. تهيمن النجوم على نطاقات الطيف فوق البنفسجي والضوئي في إطار الزمان، باستثناء في
الجدول 2
الخصائص الفيزيائية للـ LRDs (النسخة الكاملة على الإنترنت)
الخصائص الفيزيائية للـ LRDs (النسخة الكاملة على الإنترنت)
| هوية | الانزياح الأحمر | رمز |
|
|
|
العمر المدروس بالكتلة (مليون سنة) |
| 42645 | ٨.٥ | سي-أجن | 9.49 |
|
[0.80، 0.73، 0.56، 0.94] | ٣ |
| pr-AGN+ | 8.89 | [1.1، 1.4، 0.3] | [0.02, 0.00, 0.00, 0.05] | 147 | ||
| pr-SF | 7.92 | [1.5، 1.8، 0.7] | [0.00، 0.00، 0.00، 0.00] | ٤ | ||
| pr-AGN | 7.86 | [0.0، 0.0، 0.0] | [0.97، 0.22، 0.94، 1.00] | 20 | ||
| 57356 | ٥.٥ | سي-أجن | 10.38 |
|
[0.01، 0.72، 0.15، 0.00] | ١٢٢ |
| pr-AGN+ | 10.03 | [٢.٠، ٣.٠، ١.٧] | [0.00، 0.00، 0.00، 0.00] | 684 | ||
| pr-SF | 10.20 | [5.0, 6.6, 4.4] | [0.00، 0.00، 0.00، 0.00] | ٤٦ | ||
| pr-AGN | 8.09 | [0.0، 0.0، 0.0] | [0.98، 0.16، 0.91، 1.00] | 131 | ||
| 68544 | 7.2 | سي-أجن | 9.21 |
|
[0.02، 0.03، 0.01، 0.03] | 10 |
| pr-AGN+ | 9.07 | [3.8، 10.4، 2.6] | [0.03، 0.02، 0.03، 0.03] | ١١٧ | ||
| pr-SF | 9.88 | [5.1، 13.9، 7.6] | [0.00، 0.00، 0.00، 0.00] | ٨ | ||
| pr-AGN | ٧.٠٠ | [0.0، 0.0، 0.0] | [1.00, 0.07, 0.95, 1.00] | 234 | ||
| 70714 | 5.8 | سي-أجن | 8.75 |
|
[0.04، 0.03، 0.01، 0.12] | ٢ |
| pr-AGN+ | 8.94 | [٢.٩، ٣.٧، ٢.١] | [0.92، 0.01، 0.63، 0.94] | 186 | ||
| pr-SF | 10.28 | [6.3، 9.3، 7.1] | [0.00، 0.00، 0.00، 0.00] | 18 | ||
| pr-AGN | 7.13 | [0.0، 0.0، 0.0] | [0.96، 0.01، 0.86، 1.00] | ٢٥ |
ملاحظة. جدول بالخصائص الفيزيائية لعينة المجرات في هذه الورقة. بخلاف الانزياح الأحمر (القيم الطيفية المعطاة بأربعة أرقام عشرية)، نقدم نتائج لكل من أكواد تركيب السكان النجمي الأربعة بالإضافة إلى AGN الموضحة في القسم 4: SYNTHESIZER-AGN (sy-AGN)، PROSPECTOR-AGN+ (pr-AGN+)، PROSPECTORSF (pr-SF)، وPROSPECTOR-AGN (pr-AGN). نذكر الكتل النجمية (النجوم الباقية)، وتخفيف الإشعاع الكلي، والأشعة فوق البنفسجية البعيدة (FUV، أي 150 نانومتر)، والبصرية (
يتم تقديم تحليل مفصل لملاءمات SED لكل مجرة في عينة Golden Five في الملحق C.
5.2. الآثار المترتبة على طبيعة انبعاث الأشعة تحت الحمراء القريبة من LRDs
بشكل عام، تناسب النماذج الأربعة جميعها الشكل الثنائي النمط لمخطط الطيف الطيفي (SED) لخمس لRDs الذهبية بشكل جيد نسبيًا. نوعيًا، يهيمن نطاق الطيف فوق البنفسجي-البصري إما على (1) النجوم، مجموعتان شابتان مع تضعيفات مختلفة جدًا في SYNTHE-SIZER-AGN، أو مجموعة واحدة مع تضعيف رمادي للغاية في PROSPECTOR-SF وPROSPECTOR-AGN+؛ أو (2) انبعاث من قرص تراكم محجوب مقترن مع مجموعة نجمية شابة تساهم فقط في الأشعة فوق البنفسجية. في القسم التالي، نناقش الكتل النجمية المستنتجة وخصائص النجوم الأخرى لخمس لRDs الذهبية وجميع لRDs الأخرى التي لديها مخططات SED مشابهة جدًا من الأشعة فوق البنفسجية إلى البصرية (انظر القسم 5.3 والملحق C) التي تم استكشافها بشكل أساسي بواسطة نطاقات NIRCam. ومع ذلك، فإن خمس لRDs الذهبية، وغيرها من العينات الفرعية المكتشفة بواسطة MIRI، تتيح لنا التعمق أكثر في نطاق NIR في لRDs لتوصيف أصل الانبعاث في ذلك النطاق الطيفي.
تؤكد نتائجنا على تسطح منحنيات الطيف الكهرومغناطيسي للأجسام البعيدة في نطاق الأشعة تحت الحمراء القريبة. كانت الأوراق السابقة حول الأجسام البعيدة التي تناسب منحنيات الطيف الكهرومغناطيسي باستخدام نماذج AGN التجريبية (مثل، كوتسيفسكي وآخرون 2023؛ بارو وآخرون 2024؛ غرين وآخرون 2024) تشير إلى أن الميل الحاد في نطاق الضوء المرئي سيستمر في نطاق الأشعة تحت الحمراء القريبة. بدا أن هذا الاتجاه قد تم تأكيده من خلال عدد قليل من الأجسام البعيدة التي تم اكتشافها بواسطة MIRI حتى F770W وF1000W (أكينز وآخرون 2023؛ بارو وآخرون 2024). ومع ذلك، كما هو موضح في القسم 3.1 وأيضًا ويليامز وآخرون (2023أ)، تشير بيانات MIRI عند الأطوال الموجية الأطول إلى أن الأجسام البعيدة تشهد تسطحًا في منحنى الطيف الكهرومغناطيسي بين 1 و
تناسب رموزنا الأربعة نطاق الطيف NIR مع مزيج من المصدر السائد للإشعاع فوق البنفسجي-البصري (أي النجوم أو قرص تراكم) بالإضافة إلى مساهمة متغيرة من إشعاع الغبار، إما من تكوين النجوم (SYNTHESIZER-AGN و PROSPEC-TOR-SF) أو من حلقة AGN (PROSPECTOR-AGN و PROSPECTOR-AGN+ اعتمادًا على المصدر). توضح اللوحة اليسرى من الشكل 10 هذا التباين من خلال عرض مخطط الألوان-الألوان في إطار الراحة لـ LRDs وبعض القوالب والنماذج. من 0.4 إلى
يمكن مناقشة السلوك من حيث سلوك اللون-اللون في الشكل 10. الخط الأفقي الأسود في الشكل يظهر المستوى الثابت 1 إلى –
الشكل 10. ألوان الضوء المرئي والأشعة تحت الحمراء القريبة (NIR) للإشعاعات ذات اللمعان المنخفض (LRDs) (يسار، مع تدفقات مقاسة وحدود عليا موضحة بالدوائر والسهام، على التوالي) ونماذج وقوالب مختلفة وأفضل النماذج الملائمة (يمين). من 0.4 إلى
المستخدمة في PROSPECTOR-AGN+ (منقطة-مخططة)، ونموذج قرص التراكم مع انحدار متناقص (
الشكل 10 يوضح كيف تقوم رموز النمذجة بملء مخطط اللون-اللون بين المسطح (اللون
المجرات الخمس الذهبية مع اكتشافات مباشرة تتجاوز الإطار المرجعي
تظهر المثلثات العليا والسفلى النطاق في الألوان الممكنة التي تمتد بين أفضل تطابقات PROSPECTOR-SF وSYNTHESIZERAGN، والتي تتميز بكميات مختلفة من انبعاث الغبار ضمن الحدود العليا لشرائط MIRI الأكثر احمرارًا. تقع هذه الحدود ضمن السلوك العام لجميع المصادر في الشكل. يبرز النطاق الواسع بشكل عام في الشكل 10 الحاجة إلى بيانات MIRI العميقة في نطاق LW لتقييد كمية وطبيعة تسخين انبعاث الغبار بدقة في LRDs.
تظهر المثلثات العليا والسفلى النطاق في الألوان الممكنة التي تمتد بين أفضل تطابقات PROSPECTOR-SF وSYNTHESIZERAGN، والتي تتميز بكميات مختلفة من انبعاث الغبار ضمن الحدود العليا لشرائط MIRI الأكثر احمرارًا. تقع هذه الحدود ضمن السلوك العام لجميع المصادر في الشكل. يبرز النطاق الواسع بشكل عام في الشكل 10 الحاجة إلى بيانات MIRI العميقة في نطاق LW لتقييد كمية وطبيعة تسخين انبعاث الغبار بدقة في LRDs.
ومع ذلك، يمكننا بالفعل أن نرى أن ملاءمة الألوان باستخدام نموذج يهيمن عليه AGN يتطلب نموذج قرص تراكم مع ميل متناقص (الخط الرمادي المتقطع) ومساهمة صغيرة فقط من انبعاث قرص الغبار (الخط الأزرق الرقيق) لإعادة إنتاج اللون الأزرق بشكل ناجح.
نحن الآن نناقش LRDs التي تم اكتشافها فقط عند الأطوال الموجية الأقصر. توضح الشكل 11 والشكل 17 في الملحق SEDs المجمعة لـ LRDs التي تم اكتشافها حتى F1000W وF770W، والتي تكشف أن SEDs الخاصة بها مقيدة بشكل جيد فقط حتى إطار الراحة.
الشكل 11. نتائج ملاءمة SED للسبعة مجرات التي تم اكتشافها عند F1000W ولم تتجاوز ذلك (أي أن الرسم البياني لا يتضمن أي من مجرات Golden Five). تم تطبيع SEDs إلى
من الحدود العليا لـ LRDs الخاصة بـ F770W فقط، وبالتالي تؤدي إلى تسطيح أقوى لـ SED في
باختصار، فإن المساهمة الدقيقة من انبعاث الغبار في الأطياف الطيفية للأشعة تحت الحمراء القريبة (NIR SEDs) للأجسام ذات الإضاءة الضعيفة (LRDs) لا تزال غير محددة بشكل جيد من خلال بيانات MIRI المتاحة عند الأطوال الموجية (LWs). ومع ذلك، تشير القيود إلى تنوع معين في انبعاث الغبار. هذا الانبعاث أكبر بوضوح من الأطياف الطيفية التي تعتمد فقط على النجوم، ولكنه في العديد من الحالات أقل من التوقعات السابقة المستندة إلى نماذج الكوازارات (QSO). بشكل عام، الاستنتاج الرئيسي هو أن معظم الأجسام ذات الإضاءة الضعيفة قد تحتوي على كمية (نسبيًا كبيرة) من انبعاث الغبار، ويجب أن يكون مصدر التسخين قويًا، على الرغم من أنه ليس بالضرورة مصدرًا خفيًا مهيمنًا.
5.3. الخصائص الفيزيائية للـ LRDs المكتشفة في أزرق نطاقات MIRI
تم عرض جميع LRDs الأخرى في عيّنتنا التي تم اكتشافها حتى F1000W، باستثناء الخمسة الذهبية، معًا في مخططات SED المقدمة في الشكل 11. بنفس الطريقة، تم عرض ملاءمات SED لجميع اكتشافات F770W غير المدرجة في أي مخطط SED سابق، بالإضافة إلى جميع المصادر التي لم يتم اكتشافها بواسطة MIRI، و
تم مناقشته في الملحق C. الخصائص الفيزيائية المستمدة من كل كود للنجوم الفردية بالإضافة إلى الخصائص الإحصائية التي تم الحصول عليها للعينة الكاملة والعينات الفرعية موضحة في الجدولين 2 و 3.
تم مناقشته في الملحق C. الخصائص الفيزيائية المستمدة من كل كود للنجوم الفردية بالإضافة إلى الخصائص الإحصائية التي تم الحصول عليها للعينة الكاملة والعينات الفرعية موضحة في الجدولين 2 و 3.
بشكل عام، خصائص تلك العينات التي تحتوي على نقاط MIRI أقل في طيفها الكهرومغناطيسي مشابهة لخصائص مجرات Golden Five؛ الاختلاف الأكثر وضوحًا هو أن بعض المصادر ذات الطيف الأزرق و/أو المسطح جدًا تبدأ في الدخول إلى الاختيار. يتم اختيار هذه المصادر بسبب انبعاث F444W القوي جدًا المرتبط على الأرجح بخط انبعاث عالي الكثافة، لكن ميل الطيف الكهرومغناطيسي ليس مختلفًا جدًا في بقية فلاتر SW و LW، حيث يكون الميل مسطحًا جدًا (أو حتى أزرق، كما في حالة JADES-187025).
على الرغم من أن منطقة طيف انبعاث الغبار لم يتم استكشافها بالكامل لـ
الجدول 3
الخصائص الإحصائية للعمليات ذات الذاكرة الطويلة
الخصائص الإحصائية للعمليات ذات الذاكرة الطويلة
| عينة (
|
الانزياح الأحمر | رمز |
|
|
|
العمر الموزون بالكتلة (مليون سنة) |
| عينة كاملة (31) | 6.95 .7 | سي-أجن | 9.49 .1 |
|
|
|
| pr-AGN+ |
|
|
|
|||
| pr-SF |
|
|
|
|||
| pr-AGN |
|
|
|
|
||
| الخمسة الذهبية (5) |
|
سي-أجن |
|
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| F1000W (7) |
|
سي-أجن | 9.29 .5 |
|
|
|
| pr-AGN+ | 9.19 .9 |
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| F770W (7) |
|
سي-أجن | 9.49 .6 |
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| لا-ميري (12) |
|
سي-أجن | 9.49 .7 |
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
ملاحظة. جدول بالخصائص الفيزيائية الإحصائية لعينة المجرات في هذه الورقة. نقدم الوسيطات والرباعيات للخصائص الفيزيائية المذكورة في الجدول 2 للعينة الكاملة والفرعيات المحددة بناءً على الكشف في نطاقات MIRI المختلفة.
توجد عينات فرعية مقارنة بتلك التي تم الحصول عليها من مجرات الخمسة الذهبية. ومع ذلك، هناك بعض الاتجاهات الرصدية، التي تترجم إلى اختلافات في الخصائص الفيزيائية.
توجد عينات فرعية مقارنة بتلك التي تم الحصول عليها من مجرات الخمسة الذهبية. ومع ذلك، هناك بعض الاتجاهات الرصدية، التي تترجم إلى اختلافات في الخصائص الفيزيائية.
أولاً، تعتبر مجرات الخمس الذهبي أكثر سطوعًا من بقية المصادر في العينة الكاملة (انظر الشكل 1). الوسيط والرباعيات لـ F 444 W هي
عند النظر إلى ألوان الإطار الزمني المتبقي وSEDs المجمعة في الأشكال 10 و11، نجد أن عينة F1000W لديها أيضًا لون أحمر أكثر في نطاق 0.4 إلى
تشير القسم السابق إلى الألوان المتعلقة بالراحة
تشير القسم السابق إلى الألوان المتعلقة بالراحة
تتراوح الألوان العامة لـ LRDs من 0.25 إلى
(JADES-210600، JADES-214552، و JADES-217926) وعينة F770W (JADES-187025 و JADES-197348).
(JADES-210600، JADES-214552، و JADES-217926) وعينة F770W (JADES-187025 و JADES-197348).
استنادًا إلى الاختلافات الملاحظة السابقة، يوفر نموذجنا لمخططات الطيف الطيفي بعض الاتجاهات أيضًا في الخصائص الفيزيائية. تقع مجرات الذهب الخمس عند انزياحات حمراء أصغر من بقية المصادر، القيم المتوسطة
تكون الكتل النجمية لمجرات الخمس الذهبية أكبر بمقدار 0.2-0.4 دكس من تلك الخاصة بالمجموعات الفرعية الأخرى، مع قيم حول
نستنتج أن المصادر التي تم اكتشافها فقط في أزرق فلاتر MIRI ليست مجرد نسخ أضعف (أقل كتلة) من مجرات Golden Five، التي تقع عند انزياحات حمراء أعلى. في الواقع، هناك أيضًا اختلافات أخرى في الخصائص الفيزيائية (تنشأ من اختلافات في SEDs)، والتي تشير إلى تضعيف أكبر. إذا كانت المصادر الأضعف في MIRI تظهر تضعيفًا أكبر، لكنها لا تزال غير مكتشفة بواسطة MIRI عند أطول الأطوال الموجية، فإن التفسير سيكون أن انبعاث الغبار المضيف ليس معززًا مقارنة بمجرات Golden Five، مما سيؤدي إلى دور مهيمن لتكوين النجوم المحجوبة بالغبار بدلاً من النشاط النووي المحجوب لجزء كبير من هذه الفئات الفرعية.
5.4. الخصائص الإحصائية للنجوم و AGN في LRDs
في هذا القسم، نناقش الخصائص العامة لعينة LRDs الخاصة بنا. يوضح الشكل 12 توزيعات الكتلة النجمية، اللمعان الكلي، العمر الموزون بالكتلة، وتخفيف الضوء النجمي الكلي. يتم تلخيص جميع المعلومات الإحصائية في الجدول 3.
الكتلة النجمية النموذجية لـ LRDs هي
تُحصل الكتل الأكبر بواسطة PROSPECTOR-SF،
إن LRDs تشهد حلقة شديدة من تشكيل النجوم تمتد لحوالي 10 ملايين سنة وبحجم مضغوط جداً. من المحتمل أن تكون الانفجارات محاطة بكثافة بالغبار، حيث أن بعض النجوم الشابة قد أزالت الوسط بين النجمي (ISM) ويمكن ملاحظتها مباشرة من خلال مسارات ضوئية أصغر بكثير من الغبار. من المتوقع أن تكون الأعمار الشابة موجودة في انفجارات النجوم ذات خطوط الانبعاث القوية (كما هو موجود في بعض مجراتنا)، مع كميات كبيرة من الغبار (تم تأكيدها لجزء كبير من العينة الكاملة)، ومع الغاز الذي يغذي أيضاً ثقباً أسود فائق الكتلة (SMBH). يوفر SYNTHESIZER-SF متوسطاً مشابهاً لتاريخ تشكيل النجوم، ممتداً تقريباً عند مستوى ثابت حتى حوالي 10 ملايين سنة، ثم يتناقص بعد ذلك. ومع ذلك، فإن أول فئة عمرية اعتبرها SYNTHESIZER-SF تشمل الانفجارين اللذين حصل عليهما SYNTHESIZER-AGN، حيث يضيف الأول مزيداً من الكتلة في الأعمار حول 10 ملايين سنة (مع تباين كبير، كما هو موضح في المنطقة المظللة في الشكل 13).
إن LRDs تشهد حلقة شديدة من تشكيل النجوم تمتد لحوالي 10 ملايين سنة وبحجم مضغوط جداً. من المحتمل أن تكون الانفجارات محاطة بكثافة بالغبار، حيث أن بعض النجوم الشابة قد أزالت الوسط بين النجمي (ISM) ويمكن ملاحظتها مباشرة من خلال مسارات ضوئية أصغر بكثير من الغبار. من المتوقع أن تكون الأعمار الشابة موجودة في انفجارات النجوم ذات خطوط الانبعاث القوية (كما هو موجود في بعض مجراتنا)، مع كميات كبيرة من الغبار (تم تأكيدها لجزء كبير من العينة الكاملة)، ومع الغاز الذي يغذي أيضاً ثقباً أسود فائق الكتلة (SMBH). يوفر SYNTHESIZER-SF متوسطاً مشابهاً لتاريخ تشكيل النجوم، ممتداً تقريباً عند مستوى ثابت حتى حوالي 10 ملايين سنة، ثم يتناقص بعد ذلك. ومع ذلك، فإن أول فئة عمرية اعتبرها SYNTHESIZER-SF تشمل الانفجارين اللذين حصل عليهما SYNTHESIZER-AGN، حيث يضيف الأول مزيداً من الكتلة في الأعمار حول 10 ملايين سنة (مع تباين كبير، كما هو موضح في المنطقة المظللة في الشكل 13).
بالعودة إلى المحتوى النجمي، يتم الحصول على كتل أصغر حتى مقارنة بـ SYNTHESIZER-AGN بواسطة PROSPEC-TOR-AGN.
نستنتج أن كتل النجوم في PROSPECTOR-AGN يجب أن تُعتبر حدودًا دنيا، لأنها تفترض مساهمة قليلة من الضوء النجمي في النطاق الطيفي البصري. عادةً ما تحصل SYNTHESIZER-AGN و PROSPECTOR-AGN+ على ملاءمات يكون فيها الانبعاث البصري مهيمنًا بواسطة النجوم؛ وبالتالي، يجب تفسير تقديرات الكتلة النجمية التي يحصلون عليها على أنها أكثر واقعية أو حدودًا عليا. تُظهر الفروقات في كتل النجوم المستمدة من SYNTHESIZER-AGN و PROSPECTOR-SF تأثير تاريخ تشكيل النجوم، الذي يعتبر مهمًا نسبيًا.
تتفاوت اللمعان البولومتري (بما في ذلك الطاقة الممتصة بواسطة الغبار) بعامل 10 بين تشغيل PROSPECTOR-SF وPROSPECTOR-AGN، بينما تقع قيم SYNTHESIZER-AGN في المنتصف، مع قيمة نموذجية من
أخيرًا، يُظهر اللوح السفلي الأيمن من الشكل 12 إجمالي تشتت الضوء النجمي في LRDs. جميع الأكواد متسقة في تخصيص محتوى غبار كبير لهذا النوع من المجرات، مع تشتت حوالي
تُعرض الأهمية النسبية لمكونات AGN والنجوم في LRDs في الشكل 14. هنا، نعرض نسبة اللمعان الكلي القادم من AGN والمُدمج في عدة نطاقات طيفية. نعرض اللمعان الكلي، والأشعة فوق البنفسجية (المُدمجة حتى
الشكل 12. الخصائص النجمية الإحصائية لـ LRDs، وفقًا لأربعة أكواد لتناسب SED الموضحة في القسم 4. من الأعلى إلى الأسفل، من اليسار إلى اليمين، نعرض الكتل النجمية، اللمعان الكلي (المستخرج من دمج انبعاث النجوم مع تصحيح تأثيرات تشتت الغبار)، الأعمار الموزونة بالكتلة، وتخفيف اللمعان النجمي الكلي. يتم عرض الوسائط والرباعيات لكل توزيع. بالنسبة للنتائج المقدمة من SYNTHESIZER-AGN، نفصل الإحصائيات للسكان النجميين الشباب والقدامى (المعلمين كـ you و old) بالإضافة إلى القيم المجمعة.
الشكل 13. متوسطات SFHs لـ LRDs وفقًا لرموز التوافق المقدمة في القسم 4. يتم عرض المتوسطات والتشتت كخطوط ومناطق مظللة.
نظرًا لأن PROSPECTOR-SF لا يأخذ في الاعتبار أي مساهمة من AGN (على الرغم من أن نماذج الغبار تشير إلى حقول إشعاعية مكثفة، والتي يمكن التعرف عليها بسهولة مع AGN).
بالنسبة لـ SYNTHESIZER-AGN، فإن اللمعان الكلي لمعظم العينة يهيمن عليه النجوم، مع وجود فقط
المصادر التي تقدم نسب سطوع AGN أكبر من
المصادر التي تقدم نسب سطوع AGN أكبر من
تظهر نتائج أكثر اتساقًا بالنسبة لجزء اللمعان فوق البنفسجي المحدد مع AGN. تتفق جميع الأكواد على أن المنطقة الطيفية فوق البنفسجية لـ LRDs يتم إعادة إنتاجها بشكل أفضل بواسطة مجموعة نجمية شابة بمحتوى غبار متغير ولكنه منخفض وأعمار نسبية شابة.
يلاحظ سلوك مشابه في الطيف الضوئي، حيث يجد كل من SYNTHESIZER-AGN و PROSPECTOR-AGN+ أن الانبعاث يهيمن عليه النجوم في معظم
الشكل 14. هيستوجرامات لجزء الإضاءة المتكاملة القادمة من AGN، وفقًا لملاءمات SED المقدمة في القسم 4. في الجزء العلوي الأيسر، نعرض النتائج للإضاءة الكلية. في الجزء العلوي الأيمن، للإضاءة فوق البنفسجية، المدمجة حتى
الافتراض المسبق لنموذج PROSPECTOR-AGN هو أن النشاط النووي يهيمن على منطقة الطيف تحت الأحمر، مما يؤدي إلى هيمنة النشاط النووي أيضًا على الطيف البصري لمعظم المصادر؛ وبالتالي، كما ذكرنا، فإن الكتل النجمية المقدرة تكون أصغر بكثير من القيم التي تم الحصول عليها بواسطة الأكواد الأخرى.
أخيرًا، يُظهر الجزء السفلي الأيمن من الشكل 14 نسبة الإضاءة تحت الحمراء (الغبار) المرتبطة بـ AGN. تُظهر PROSPECTOR-AGN+ و SYNTHESIZER-AGN توزيعات متعاكسة، ولكن يجب أخذ حقيقتين في الاعتبار لتفسير هذا السلوك. أولاً، كما ذُكر سابقًا، تُعتبر PROSPECTOR-AGN+ حدودًا عليا كنقاط تدفق عادية. تزداد تلك الحدود العليا بزاوية مشابهة لما يمكن توقعه لقرص AGN. ثانيًا، تشير ملاءمات انبعاث الغبار المقدمة من SYNTHESIZER-AGN إلى مجالات إشعاعية شديدة الكثافة في نقاط ساخنة كثيفة ومضغوطة، والتي ستكون خصائصها غير قابلة للتمييز بين تجمعات OB أو AGN (انظر المناقشة حول الشكل 5 والملحق ب).
5.5. الخصائص الطيفية للـ LRDs الموجودة في الأدبيات
بخلاف JADES-204851، الذي لديه نطاق واسع
تم التعرف عليه ككائن نشط ذو خط عريض (مايولينو وآخرون 2024). يظهر طيفه
تم التعرف عليه ككائن نشط ذو خط عريض (مايولينو وآخرون 2024). يظهر طيفه
6. الملخص والاستنتاجات
نحدد طبيعة LRDs في مجال JADES من خلال تحليل SEDs الخاصة بها بما في ذلك تدفقات MIR المقدمة بواسطة
برنامج SMILES لجميع فلاتر MIRI العريضة. هذه البيانات تستكشف نطاق الأشعة تحت الحمراء القريبة والأشعة تحت الحمراء المتوسطة حيث تصل انبعاثات النجوم و/أو انبعاثات AGN المحجوبة إلى ذروتها. بعد إزالة الأقزام البنية، التي تلوث عينتنا في
نجد أن الألوان المرصودة لمؤشرات MIRI للأجسام ذات الإضاءة المنخفضة، بالاشتراك مع ألوان NIRCam الأكثر احمرارًا، هي أزرق من النماذج النموذجية للأجسام الكونية الخفية، التي تهيمن عليها انبعاثات الغبار الدافئ/الساخن من التوروس عند
قمنا بنمذجة الأطياف الطيفية من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء المتوسطة باستخدام مجموعة من الأكواد التي تشمل نماذج انبعاث من AGN والنجوم. تتيح لنا المخرجات المختلفة تحديد أفضل المطابقات للألوان المميزة الزرقاء في SW والأحمر في LW لـ LRDs تحت مجموعة من الافتراضات. كما تتيح لنا فحص أي من استنتاجاتنا هي الأكثر موثوقية (على سبيل المثال، تعكسها عدد من تقنيات النمذجة).
بشكل عام، تحقق النماذج التي تهيمن عليها النجوم توافقًا أفضل مع NIR عند
في NIR في إطار الراحة، نجد أن LRDs التي تم اكتشافها في أطول نطاقات MIRI، بعد الأطوال الموجية الراحة
نظرًا لأن نطاق الطيف من UV/البصري يهيمن عليه النجوم، فإننا نقوم بتقدير كتل النجوم. يجب أن تأخذ نمذجة انبعاث النجوم في الاعتبار التخفيفات الكبيرة التي تفرضها ألوان NIRCam LW الحمراء وتدفقات MIRI والحاجة إلى مجموعتين نجمية متميزتين (من حيث العمر)، مع مستويات تخفيف مختلفة أو قانون تخفيف رمادي للغاية، لتفسير انبعاث NIRCam-SW الأزرق/المسطح بالإضافة إلى وجود خطوط انبعاث. مع وضع ذلك في الاعتبار، نحصل على كتل نجمية نموذجية لـ LRDs حوالي
يمكن الحصول عليه باستخدام وصفات بسيطة لـ SFH (على سبيل المثال، انفجار أسي فردي) وقانون التخفيف (على سبيل المثال، قانون Calzetti الفردي، كما أشار بارو وآخرون 2024). يمكن أن يكون هذا التقدير الكتلي متحيزًا بسبب عدم اليقين في SFH عند مستوى 0.5 دكس (مبالغ فيه، إذا، على سبيل المثال، كان انبعاث النجوم يساهم بشكل كبير فقط في الانبعاث فوق البنفسجي)، ويمكن أن يتأثر بمساهمة كبيرة محتملة (لكن أقل تفضيلًا من معظم نماذجنا) من AGN في نطاق الطيف البصري وNIR عند مستوى 1.5 دكس.
يمكن الحصول عليه باستخدام وصفات بسيطة لـ SFH (على سبيل المثال، انفجار أسي فردي) وقانون التخفيف (على سبيل المثال، قانون Calzetti الفردي، كما أشار بارو وآخرون 2024). يمكن أن يكون هذا التقدير الكتلي متحيزًا بسبب عدم اليقين في SFH عند مستوى 0.5 دكس (مبالغ فيه، إذا، على سبيل المثال، كان انبعاث النجوم يساهم بشكل كبير فقط في الانبعاث فوق البنفسجي)، ويمكن أن يتأثر بمساهمة كبيرة محتملة (لكن أقل تفضيلًا من معظم نماذجنا) من AGN في نطاق الطيف البصري وNIR عند مستوى 1.5 دكس.
تدعم الأعمار النجمية الشابة جدًا (عادةً حوالي 10 مليون سنة أو أصغر) خطوط عرض مكافئة عالية تُرى في بعض LRDs (مع بيانات طيفية وصورية)، ووجود كميات كبيرة من الغبار، وهو سمة شائعة لجميع النماذج للعينة الكاملة، ويمكن توقعه من انفجارات نجمية غنية بالغاز، غنية بسرعة، وكثيفة مع كميات كبيرة من النجوم OB (تتأثر بـ IMF). ومع ذلك، على الرغم من وجود كميات كبيرة من الغبار، تتميز LRDs بانبعاث أزرق نسبيًا عند الأطوال الموجية
شكر وتقدير
نشكر المحكم على التعليقات البناءة على مخطوطتنا الأصلية. يعترف P.G.P.-G. بالدعم من المنحة PID2022-139567NB-I00 الممولة من وزارة العلوم والابتكار الإسبانية MCIN/AEI/10.13039/501100011033، FEDER Una manera de hacer Europa. تم دعم هذا العمل من خلال منح ناسا NNX13AD82G و1255094. كما تم دعم العمل من خلال عقد تطوير NIRCam NAS5-02105 من مركز ناسا غودارد لرحلات الفضاء إلى جامعة أريزونا. يعتمد هذا العمل على الملاحظات التي تم إجراؤها باستخدام تلسكوب جيمس ويب الفضائي التابع لناسا/ESA/CSA. تم الحصول على البيانات من أرشيف ميكولسكي لتلسكوبات الفضاء في معهد علوم تلسكوبات الفضاء، الذي تديره جمعية الجامعات للبحث في علم الفلك، بموجب عقد ناسا NAS 5-03127 لـ JWST. ترتبط هذه الملاحظات بالبرنامج رقم 1207. يعترف D.P. بالدعم من مؤسسة عائلة هيو من خلال منحة دراسات دكتوراه P.C. Ho. يعترف B.E.R. بالدعم من عقد فريق علوم NIRCam إلى جامعة أريزونا، NAS5-02015، وبرنامج JWST 3215. يعترف A.J.B. بالتمويل من منحة “FirstGalaxies” المتقدمة من المجلس الأوروبي للبحث (ERC) بموجب برنامج أفق 2020 للبحث والابتكار التابع للاتحاد الأوروبي (اتفاقية المنحة رقم 789056).
المرافق: JWST (NIRCam)، JWST (MIRI)، HST (ACS)، HST (WFC3). يمكن العثور على جميع بيانات JWST المستخدمة في هذه الورقة في MAST، doi:10.17909/jmxm-1695 و10.17909/8tdj-8n28.
البرمجيات: astropy (تعاون Astropy وآخرون 2013، 2018)، Cloudy (فيرلاند وآخرون 2013)، PROSPECTOR (ليجا وآخرون 2017، 2019؛ جونسون وآخرون 2021)، synthesizer (بيريز غونزاليس وآخرون 2003، 2008).
الملحق أ
إجراءات مخصصة لتقليل بيانات MIRI: حالة SMILES
تم تقليل بيانات MIRI المستخدمة في هذه الورقة باستخدام خط أنابيب Rainbow JWST الذي تم تطويره ضمن فريق MIRI GTO الأوروبي للتعامل مع بيانات التصوير من MIRI وNIRCam وNIRISS. يعتمد خط الأنابيب على خط الأنابيب الرسمي jwst ويضيف بعض الخطوات غير المتصلة بالإنترنت لتحسين النتائج، تتعلق بشكل أساسي بالخلفية المتغيرة والمليئة بالهيكل التي لوحظت في بيانات MIRI، خاصة عند الأطوال الموجية الأقصر.
يبدأ خط أنابيب Rainbow بتنفيذ افتراضي للثلاث مراحل من خط الأنابيب الرسمي jwst، والذي يوفر فسيفساء كاملة أولية، تتعامل الآن أيضًا (إلى حد ما، ولكن ليس تمامًا) مع زخات الأشعة الكونية (أو كرات الثلج لـ NIRCam). تُستخدم هذه الفسيفساء لاكتشاف المصادر باستخدام sextractor من أجل إنتاج قناع لمزيد من تحسينات المعايرة. نستخدم حد اكتشاف ضحل نسبيًا نظرًا لأن الفسيفساء تقدم تدرجات خلفية هيكلية شديدة، مما يشير إلى أن اكتشافًا عميقًا سيكون مهيمنًا من الخلفية، وليس من مصادر حقيقية. بخلاف اكتشاف sextractor، قمنا بإجراء تمدد بكسل 5 لخريطة التقسيم لأخذ في الاعتبار الأطراف الخافتة للأجسام الممتدة، بما في ذلك أيضًا الانبعاث من spikes PSF والميزة الصليبية لبيانات MIRI SW (غاسبار وآخرون 2021).
بعد إخفاء المصادر من المهمة السابقة، يتم تصفية بيانات المرحلة 2 (أي، ملفات cal.fits) باستخدام المتوسط في الصفوف والأعمدة، ويتم طرح سطح سلس من الدرجة الرابعة. يتم مرة أخرى تجميع المنتجات الجديدة للبيانات المعايرة مع خط الأنابيب الرسمي. تقدم هذه الفسيفساء الجديدة خلفية أكثر سلوكًا وتسمح باكتشاف مصادر أكثر عدوانية. يتم استخدام القناع الجديد في خطوة نهائية من خط أنابيب Rainbow، الذي ينفذ استراتيجية خلفية فائقة للحصول على أفضل النتائج.
تتكون استراتيجية الخلفية الفائقة من توحيد خلفية صورة المرحلة 2 المعطاة باستخدام جميع الصور الأخرى الملتقطة في نفس البرنامج. بالنسبة للبرامج التي تمتد على عدة عصور ولديها بيانات كافية، مثل PRIMER، نستخدم أقرب البيانات زمنياً. نقوم أولاً بطرح الوسيط للخلفية (بعد قناع المصادر المكتشفة في الخطوة السابقة) لكل صورة. ثم، لكل إطار نريد تقليله، نبني صورة خلفية وسائط مكدسة مع بقية الصور. إذا لم تكن هناك بيانات كافية لبكسل معين، أي عندما تكون هناك صور قليلة جداً متاحة وكان التشتت صغيراً مقارنة بحجم (بعض) الأجسام في المجال، نستبدل قيمة البكسل ببكسل خلفية عشوائي قريب يتم اختياره من أقرب 100 بكسل غير مقنع. يتم طرح صورة الخلفية الفائقة المكدسة من الإطار الذي نعتبره، ويتم تنفيذ التصفية في الصفوف والأعمدة، بالإضافة إلى طرح سطح ناعم.
تم معايرة علم الفلك الفلكي لملفات cal.fits الجديدة الموحدة من الخلفية باستخدام روتين tweakreg الخارجي المقدم من تعاون CEERS (Bagley et al. 2023)، باستخدام كتالوج خارجي تم إنشاؤه باستخدام مهمة المركز في وضع مركز الثقل من IRAF (الذي تم التحقق من أدائه بشكل أفضل من photutils)، باستخدام كتالوج JADES كمرجع لنظام الإحداثيات العالمي (WCS) في حالة SMILES. ثم يتم تنفيذ المرحلة 3 من خط الأنابيب، مع إيقاف خطوة tweakreg وتعيين مقياس البكسل إلى 60 mas في حالة بيانات MIRI. يتم التحقق مرة أخرى من حل WCS للفسيفساء النهائية مقابل كتالوج مرجع WCS، ويتم إجراء طرح نهائي للخلفية باستخدام sextractor.
يتم تقييم الإجراء في الشكل 15، حيث نقارن المدرجات التكرارية لإشارة البكسل للموزاييك النهائي لمرشح F1500W الذي تم تقليله فقط باستخدام خط أنابيب jwst (بعد طرح القيمة المتوسطة للصورة الكاملة) والذي تم تقليله باستخدام طريقتنا في إزالة الخلفية. يتم ملاءمة المدرجات التكرارية إلى توزيع غاوسي، مما يظهر أن إجراءاتنا قادرة على تقليل الضوضاء بعامل من
يوفر الجدول 4 استراتيجية المراقبة، وأوقات التعرض الكلية لكل بكسل، ومتوسط مستويات الخلفية، وأعماق بيانات SMILES التي تم تقليلها باستخدام خط أنابيب Rainbow JWST، مقارنةً بتوقعات ETC.
الشكل 15. هيستوغرام لقيم البكسل (تم تحويله إلى
الجدول 4
| فلتر (1) | مجموعة (2) | نينت (3) | ندثر (4) | تكس (س) (5) | خلفية (ETC) (
|
عرض نصف الحد الأقصى (7) |
|
Ap.corr (AB mag) (9) |
| F560W | ٥٩ | 1 | ٤ | 720 | 1.3 (1.0) | 0!” 21 | ٢٦.٠ (٢٥.٤) | 0.73 |
| F770W | 78 | 1 | ٤ | 923 | ٤.٥ (٥.٦) | 0 ” 27 | ٢٥.٥ (٢٤.٩) | 0.64 |
| F1000W | ٥٨ | 1 | ٤ | 665 | ١٣ (١٥) | 0 ” 33 | ٢٤.٨ (٢٤.٢) | 0.53 |
| F1280W | 68 | 1 | ٤ | 755 | 25 (31) |
|
٢٤.٣ (٢٣.٦) | 0.50 |
| F1500W | ١٠١ | 1 | ٤ | 1121 | ٤٣ (٤٩) | 0.149 | ٢٤.٢ (٢٣.٥) | 0.49 |
| F1800W | 68 | 1 | ٤ | 755 | 93 (97) | 0 ” 59 | ٢٣.٠ (٢٢.٦) | 0.46 |
| F2100W | 32 | ٦ | ٤ | 2186 | 233 (200) |
|
22.6 (22.6) | 0.49 |
| F2550W | ١٨ | ٤ | ٤ | 832 | ٨٧٦ (٧٥٥) |
|
20.8 (20.8) | 0.48 |
ملاحظة. الأعمدة: (1) فلتر MIRI. (2)-(4) استراتيجية المراقبة في مسح SMILES: عدد المجموعات، عدد التكاملات، عدد مواقع التذبذب. (5) زمن التعرض لكل بكسل (ثانية). (6) متوسط الخلفية المقاسة في البيانات. في الأقواس، يتم إعطاء توقعات ETC v3.0 ليوم 7 ديسمبر 2022. الوحدات (
الملحق ب: نمذجة انبعاث الغبار
في هذا الملحق، نصف بالتفصيل نماذج انبعاث الغبار المستخدمة في هذه الورقة. يتم النظر في وصفات وأصول انبعاث مختلفة من قبل الرموز الأربعة الموصوفة في القسم 4. يتم تلخيص الخصائص الرئيسية لقوالب انبعاث الغبار لدينا في الشكل 16.
يستخدم كود SYNTHESIZER-AGN نماذج النقل الإشعاعي لنوى الانفجارات النجمية و(فوق) LIRGs المقدمة في Siebenmorgen & Krügel (2007). تفترض هذه النماذج حدث تكوين نجمي مكثف (بالإضافة إلى مجموعة نجمية أكثر تطورًا) حيث يتم تضمين جزء من أكبر النجوم (OB) في سحب غبارية مضغوطة (نقاط ساخنة في مصطلحاتهم) التي تهيمن على انبعاث الأشعة تحت الحمراء المتوسطة. يتم تحديد النماذج من حيث إجمالي اللمعان المشع (الذي يتراوح من قيم تحت LIRG إلى قيم فوق LIRG)، وحجم الـ
منطقة تشكيل النجوم، الكمية الإجمالية من الغبار الموصوفة بواسطة الإجمالي
منطقة تشكيل النجوم، الكمية الإجمالية من الغبار الموصوفة بواسطة الإجمالي
في الشكل 16، نعرض نماذج لـ
نلاحظ أن نماذج نقل الإشعاع هذه تستعيد بشكل جيد الطبيعة الزرقاء + الحمراء لإشعاع الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء القريبة من LRDs. يتم التحكم في تغيير الميل لإشعاع النجوم في الأشعة فوق البنفسجية والبصرية بواسطة نسبة سطوع OB، أي أن النماذج السماوية (OB90) تتغير في الميل عند أطوال موجية أطول، حوالي
الشكل 16. نماذج انبعاث الغبار المستخدمة في تحليل LRDs المقدمة في هذه الورقة. تم عرض خمسة نماذج مختلفة من Nenkova et al. (2008) المستخدمة بواسطة PROSPECTOR-AGN بالألوان الحمراء، مما يبرز الانتقال إلى أطوال موجية أقصر (من
غبار دافئ. ومع ذلك، فإن تضعيف انبعاث الأشعة فوق البنفسجية القريبة في هذه النماذج المدمجة من انفجارات النجوم هو أكثر حدة مما يُلاحظ في مجراتنا. جميع نماذج سيبينمورغن وكروغيل (2007)، التي تفترض وجود غبار من نوع مجرة درب التبانة، تظهر نطاقات PAH بارزة إلى حد ما. نسبة كثافة التدفق النموذجية من الأشعة تحت الحمراء المتوسطة إلى الأشعة تحت الحمراء البعيدة تقارب 1000، مما يعني أن بعض مجراتنا، التي تظهر تدفقات MIRI SW حول
تماثل انحدارات MIR لنماذج Siebenmorgen & Krügel (2007) بشكل كبير انحدارات انبعاث التوروس AGN المقدمة في Nenkova et al. (2008)، والتي تُستخدم في ملاءمات PROSPECTOR-AGN لدينا. يقوم Nenkova et al. (2008) بتمثيل الانبعاث من التوروس الغبارية المتكتلة من حيث عدد السحب التي تعترض الرؤية، والتي تعتمد على معلمات أخرى مثل سمك التوروس (من نصف القطر الخارجي إلى الداخلي)، وكثافة وتوزيع الزخارف، وزاوية الرؤية. تعتمد مجموعة القوالب المضمنة في FSPS ثم Prospector على افتراضات نموذجية لمعظم هذه المعلمات (انظر، على سبيل المثال، Leja et al. 2018) مما يترك فقط التعديل (السطوع الكلي) وعمق البصر لكتلة غبار فردية عند
(ذات صلة خاصة بملاحظاتنا، تلك الموجودة في
(ذات صلة خاصة بملاحظاتنا، تلك الموجودة في
للمرجع، تُظهر الشكل 16 أيضًا الدائرة (المستخدمة أيضًا في ملاءمات SYNTHESIZER و PROSPECTOR-AGN+) وقالب QSO المقدم في بوليتا وآخرون (2007)، والذي تم تخفيفه أيضًا وفقًا لقانون كالتزتي وآخرون (2000) مع افتراض
نماذج SED الخاصة بـ AGN المستخدمة في PROSPECTOR-AGN+ تعتمد إلى حد كبير على الملاحظات التجريبية مع قوة انبعاث AGN المعايرة ضد ملاحظات مختلفة. على سبيل المثال، تم تأكيد انبعاث الغبار الساخن من AGN المتوقع من قالب SED من خلال تحليل الصور في نطاق الأشعة تحت الحمراء القريبة لملاحظات تلسكوب هابل الفضائي (HST) للكويسارات ذات الزد المنخفض (Lyu et al. 2017). تم التحقق من شكل SED من الأشعة تحت الحمراء المتوسطة إلى الأشعة تحت الحمراء البعيدة ضد تحليل الطيف في الأشعة تحت الحمراء المتوسطة وقوة PAH (على سبيل المثال، Lyu & Rieke 2017). بالمقارنة مع نماذج نقل الإشعاع، يمكن أن توفر هذه النماذج التجريبية لـ SED أوصافًا أكثر واقعية للملاحظات عبر نطاق واسع جدًا من سطوع AGN والانزياح الأحمر مع عدد أقل من المعلمات الحرة وأقل تداخل في النماذج، مما يجعلها مفضلة بشكل خاص لتحديد AGN (انظر المراجعة بواسطة Lyu & Rieke 2022a). قالب انبعاث غبار المجرة المستخدم في PROSPECTOR-AGN+ يعتمد على قالب SED تجريبي لـ Haro 11، الذي تم اختباره أيضًا ضد ملاحظات حقيقية لمجرات ذات زد مرتفع جدًا (Lyu et al. 2016؛ De Rossi et al. 2018). على النقيض من ذلك، فإن نماذج انبعاث غبار المجرة الأخرى المستخدمة في أعمال أخرى عادةً لا تلتقط بعض الميزات الرئيسية للـ high-
لقد قمنا بتطبيع جميع النماذج عند
الملحق ج
توافقات SED لعينة LRD الكاملة في مجال SMILES/JADES
في هذا الملحق، نقدم مناقشة مفصلة عن الأطياف الطيفية الكاملة (SEDs) لخمس مجرات ذهبية (موضحة في الأشكال 5-9) وبقية المجرات في عينة LRD الخاصة بنا.
ج.1. المجرات المكتشفة حتى F1800W: JADES-57356 و JADES-204851
“أظهرت الأشكال 5 و 6 التوافقات لـ JADES-57356 و JADES-204851، وهما LRDs الاثنين في عينتنا التي تم اكتشافها حتى (على الأقل)”.
JADES-57356 هو LRD قياسي، يظهر تغييرًا في الميل في SED الخاص به عند حوالي
يتناسب نموذج SED مع SYNTHESIZER-AGN مع مجموعتين نجميتين (مع تضعيف مستقل)، واحدة مع عمر شاب (60 مليون سنة) وقليلاً غير محجوبة (
يستخدم PROSPECTOR-AGN مكونًا نجميًا شابًا (130 مليون سنة) مشابهًا للإشعاع فوق البنفسجي وإشعاع AGN من قرص تراكم محجوب بالغبار للإشعاع البصري. من ناحية أخرى، يستخدم PROSPECTOR-SF النجوم فقط لإعادة إنتاج SED حتى الأطوال الموجية البصرية والأحمر، كما يحصل أيضًا PROSPECTOR-AGN+. ومع ذلك، يتطلب PROSPECTOR-SF قانون تضعيف غير عادي، شديد الرمادية.
نلاحظ أيضًا أن SYNTHESIZER-AGN يستخدم قانون كالتزي ولكنه يفترض انقراضات مستقلة للسكان النجميين في المضيف، وكذلك للـ AGN، مما يسمح بـ
تناسب جيد مع البيانات لـ JADES-57356. لا يتطلب PROSPECTOR-AGN+ ملاءمة ذات مكونين ولكنه يسمح بنماذج هجينة من AGN+مجرة، والتي يمكن أن تناسب أحيانًا SED بمكونين متميزين، كل منهما يهيمن على نطاق طيفي مختلف، ولكن يمكن أيضًا أن تناسب كامل SED باستخدام أحد هذين المكونين فقط. هذه هي الحالة بالنسبة لـ JADES-57356، الذي، كما تم الإشارة إليه أعلاه، يظهر نموذج أفضل ملاءمة مشابهًا لنموذج prospectorSF لمنطقة UV إلى NIR.
بشكل عام، توفر النماذج الأربعة جميعها ملاءمات جيدة لطيف الإشعاع من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء القريبة، مع بعض الاختلافات. تشير النماذج الثلاثة التي تهيمن عليها النجوم إلى كتلة نجمية كبيرة نسبيًا،
بينما تحقق جميع النماذج توافقات جيدة مماثلة من الأشعة فوق البنفسجية إلى الأشعة تحت الحمراء القريبة، فإنها تختلف بشكل كبير في انبعاث الأشعة تحت الحمراء المتوسطة، حيث يظهر الطيف الطيفي انحدارًا واضحًا بعد
تشير نموذج Siebenmorgen & Krügel (2007) إلى وجود غبار شديد الحرارة محاط بحقل إشعاعي شديد الكثافة، يأتي من نجوم OB المدفونة في الغبار (يتراوح إجمالي تضعيف الضوء النجمي في النماذج من 2 إلى 4.5 مغ)، كما هو موضح من خلال ملاءمات SYNTHESIZER-AGN و PROSPECTOR-AGN+. مثل هذا المصدر المكثف والحراري يتناسب أيضًا مع ما يمكن توقعه من AGN، الذي يمكن أن يساهم إلى حد ما في انبعاث MIR. في الواقع، تُظهر SYNTHESIZER-AGN و PROSPECTOR-AGN+ بعض المساهمة، على الرغم من أنها خافتة وبالتالي غير مؤكدة، من AGN.
ومع ذلك، فإن PROSPECTOR-AGN، الكود الوحيد الذي يُجبر على أن يكون مهيمنًا على AGN في هذا النطاق الطيفي، يوفر ملاءمة أسوأ لشرائط MIRI لأن الانتقال من انبعاث مهيمن من القرص إلى انبعاث مهيمن من التوروس حول
باختصار، بالنسبة لهذا المصدر، فإن الملاءمة لانبعاث الغبار تقدم أصغر
نسبيًا قديمة، وهذا قد يعني بشكل بديهي أنها ليست محجوبة كثيرًا، أو أن الحالة المتطورة للمجرة تعطي وقتًا لنمو SMBH)، لكن الملاءمات أسوأ بشكل ملحوظ.
نسبيًا قديمة، وهذا قد يعني بشكل بديهي أنها ليست محجوبة كثيرًا، أو أن الحالة المتطورة للمجرة تعطي وقتًا لنمو SMBH)، لكن الملاءمات أسوأ بشكل ملحوظ.
JADES-204851، التي تظهر SED والطوابع البريدية الخاصة بها في الشكل 6، هي مصدر ذو انزياح طيفي
في ملاءمات SYNTHESIZER-AGN الخاصة بنا لـ JADES-204851 (اللوحة العلوية اليسرى من الشكل 6)، ينبعث AGN حوالي
تكون نتائج PROSPECTOR-AGN+ مشابهة جدًا لتلك التي تم الحصول عليها مع SYNTHESIZER-AGN في الطيف البصري وNIR: يتميز SED بالنجوم والغبار المدفوع بالنجوم. ومع ذلك، فإن PROSPECTOR-AGN+ يعيد إنتاج الجزء UV من SED مع النجوم فقط، بينما يتم الحصول على بعض المساهمة من QSO (غير المحجوب) مع SYNTHESIZER-AGN، ويرجع ذلك أساسًا إلى وجود محتمل لخط MgII عند الطول الموجي المرصود
يوفر PROSPECTOR-SF أيضًا ملاءمة نوعية جيدة مع مكون نجمي واحد و
توفر ملاءمة PROSPECTOR-AGN أيضًا ملاءمة جيدة بشكل عام لقياسات NIRCam وMIRI، باستخدام النجوم للـ UV وAGN للبصري/IR (كما في LRD الموصوفة في Killi et al. 2023). في هذه المجرة، التي تظهر ألوان MIRI زرقاء بشكل ملحوظ مقارنة بـ JADES-57356، يهيمن الانبعاث المحجوب من القرص (
في أي حال، فإن الشكل المختلف الذي يُرى في F814W مقارنة بشرائط LW NIRCam، مع كون الانبعاث في الأولى مهيمنًا بواسطة عقدة تقع في الشمال الغربي من الانبعاث المركّز (والأحمر جدًا) الذي يُرى في الأخيرة، يشير إلى أن تكوين النجوم يهيمن على نطاق الطيف UV. يُرى أيضًا هذا الاختلاف الشكلي بين UV وNIR في LRDs الأخرى، على سبيل المثال، JADES-211388 أو JADES-79803، التي ستتم مناقشتها لاحقًا.
C.2. المجرة المكتشفة حتى F1500W: JADES-219000
ناقش الشكل 7 النتائج لـ JADES-219000، ثالث LRD في عيّنتنا المكتشفة حتى
تكون ملاءمة PROSPECTOR-SF أيضًا جيدة نسبيًا مع قيم أفضل ملاءمة مشابهة للمجرات الأخرى، أي، مجموعة نجمية شابة، مع تضعيف صغير ورمادي جدًا (
C.3. المجرات المكتشفة حتى F1280W: JADES-211388 و JADES-79803
عرض الشكل 8 ملاءمات SED لـ JADES-211388، وهو LRD مؤكد طيفيًا عند
تشير أفضل ملاءمة لـ SYNTHESIZER-AGN إلى أن SED مهيمن عليه النجوم الشابة (3 Myr)، مع تضعيف طفيف (
القالب المخفي لـ AGN مشابه جدًا لنموذج أفضل ملاءمة مع PROSPECTOR-AGN+ ويشبه التعديلات التي تهيمن عليها AGN في الأشعة تحت الحمراء القريبة من Labbé وآخرون (2023a) أو Barro وآخرون (2024)، ولكن مع مساهمة كبيرة من النجوم حتى الطول الموجي في إطار الراحة.
معلمات الملاءمة الأفضل لـ PROSPECTOR-SF تكاد تكون متطابقة مع المجرات السابقة التي تحتوي على تجمع نجمي شاب محجوب بتخفيف غبار معتدل ولكنه رمادي.
يقدم PROSPECTOR-AGN أيضًا توافقًا جيدًا مع SED البصري إلى NIR، لكنه يواجه بعض المشكلات في ملاءمة الانكسار الحاد ليمان الذي تشير إليه نطاقات NIRCam الزرقاء (نذكر القارئ أن التخفيف ثابت عند 0 مغ في هذه النماذج). الخصائص الأفضل ملاءمة تتماشى مرة أخرى مع مضيف مجرة شابة ومنخفضة الكتلة.
أخيرًا، تُظهر الشكل 9 ملاءمات SED لـ JADES-79803، وهو LRD مؤكد طيفيًا آخر، هذه المرة في
يُعيد جهاز PROSPECTOR-AGN+ إنتاج SED مع تجمع نجمي شاب مماثل وAGN مخفي يهيمن على انبعاثات NIR إلى MIR.
تستمر أفضل ملاءمة لـ PROSPECTOR-SF في نفس الاتجاهات كما في السابق، لكنها توفر ملاءمة أسوأ لأحمر أشرطة MIRI التي لا يمكن إعادة إنتاج ارتفاعها الحاد بسهولة من انبعاثات الغبار المدفأ بواسطة تكوين النجوم.
يوفر PROSPECTOR-AGN ملاءمة جيدة بشكل عام، وهي الأفضل بين جميع الأكواد لهذا المصدر، مع نفس الاتجاهات في المجرات السابقة (المضيف منخفض الكتلة والقرص المحجوب الذي يهيمن على الانبعاث البصري). في هذه الحالة، تحفز القيود الإضافية من MIRI ملاءمة مع مساهمة أكبر لانبعاث التوروس في الانبعاث تحت الأحمر بدءًا من
ج.4. المجرات المكتشفة حتى F770W وبدون اكتشافات MIRI
تظهر الأشكال 17 و18 ملاءمات SED لجميع المصادر المكتشفة بواسطة F770W التي لم يتم تقديمها في النص الرئيسي والمصدر الذي لم يتم اكتشافه في أي نطاق من MIRI، على التوالي. تم تقديم النتائج لأربعة أكواد ملاءمة موصوفة في القسم 4.
عينة F770W الموضحة في الشكل 17 تقدم طيف انبعاث ضوئي أكثر تباينًا من عينات Golden Five أو F1000W التي تم مناقشتها في القسم 4. الميل العام لطيف الانبعاث الضوئي أكثر ثباتًا، مع كون الفرق بين نطاقات SW و LW أقل وضوحًا من العينات الأخرى. في الواقع، تتضمن هذه العينة مجرة زرقاء جدًا (
تظهر الشكل 18 نتيجة مشابهة لمصادر MIRI غير المكتشفة، حيث تتناسب البيانات المتاحة (المحدودة بـ NIRCam) بشكل جيد مع النجوم فقط. ستكون الحدود العليا لـ MIRI متوافقة مع انبعاث الغبار الساخن من حلقة AGN، لكن البيانات الحالية غير حاسمة.
بالنظر إلى العينة الكاملة المكونة من 31 مصدرًا، فإن الوسيط/الرباعيات
الشكل 17. نتائج ملاءمة SED للسبعة مجرات التي تم اكتشافها عند F770W وليس أبعد من ذلك (أي أن الرسم البياني لا يتضمن أي من الخمسة الذهبية أو مجرات F1000W التي تم مناقشتها في النص الرئيسي). تم تطبيع SEDs إلى
الشكل 18. نتائج ملاءمة SED لـ 12 مجرة لم يتم اكتشافها في أي نطاق من نطاقات MIRI. نفس تنسيق الشكل السابق.
معرفات ORCID
بابلو جي. بيريز-غونزاليس ©https://orcid.org/0000-0003-4528-5639
غيليرمو بارو ©https://orcid.org/0000-0001-6813-875X
جورج إتش. ريكhttps://orcid.org/0000-0003-2303-6519
جيانوي ليو ©https://orcid.org/0000-0002-6221-1829
مارسيا ريكه (10)https://orcid.org/0000-0002-7893-6170
ستاسي ألبرتس ©https://orcid.org/0000-0002-8909-8782
كريستينا سي. ويليامز ©https://orcid.org/0000-0003-2919-7495
كيفن هاينلاين ©https://orcid.org/0000-0003-4565-8239
فنغ وو صن ©https://orcid.org/0000-0002-4622-6617
دافيد بوشكاش ©https://orcid.org/0000-0001-8630-2031
ماريانا أنونزياتيللا ©https://orcid.org/0000-0002-8053-8040
ويليام م. بيكر ©https://orcid.org/0000-0003-0215-1104
أندرو ج. بانكر ©https://orcid.org/0000-0002-8651-9879
Eiichi Egami ©https://orcid.org/0000-0003-1344-9475
تشي يوان جي (دي)https://orcid.org/0000-0001-7673-2257
بنجامين د. جونسون ©https://orcid.org/0000-0002-9280-7594
برانت روبرتسون ©https://orcid.org/0000-0002-4271-0364
برونو رودريغيز ديل بينو ©https://orcid.org/0000-0001-5171-3930
Wiphu Rujopakarn ©https://orcid.org/0000-0002-0303-499X
إيرين شيفايي ©https://orcid.org/0000-0003-4702-7561
ساندرو تاكلا ©https://orcid.org/0000-0002-8224-4505
كريستوفر ن. أ. ويلمر ©https://orcid.org/0000-0001-9262-9997
كريس ويلوت ©https://orcid.org/0000-0002-4201-7367
غيليرمو بارو ©https://orcid.org/0000-0001-6813-875X
جورج إتش. ريكhttps://orcid.org/0000-0003-2303-6519
جيانوي ليو ©https://orcid.org/0000-0002-6221-1829
مارسيا ريكه (10)https://orcid.org/0000-0002-7893-6170
ستاسي ألبرتس ©https://orcid.org/0000-0002-8909-8782
كريستينا سي. ويليامز ©https://orcid.org/0000-0003-2919-7495
كيفن هاينلاين ©https://orcid.org/0000-0003-4565-8239
فنغ وو صن ©https://orcid.org/0000-0002-4622-6617
دافيد بوشكاش ©https://orcid.org/0000-0001-8630-2031
ماريانا أنونزياتيللا ©https://orcid.org/0000-0002-8053-8040
ويليام م. بيكر ©https://orcid.org/0000-0003-0215-1104
أندرو ج. بانكر ©https://orcid.org/0000-0002-8651-9879
Eiichi Egami ©https://orcid.org/0000-0003-1344-9475
تشي يوان جي (دي)https://orcid.org/0000-0001-7673-2257
بنجامين د. جونسون ©https://orcid.org/0000-0002-9280-7594
برانت روبرتسون ©https://orcid.org/0000-0002-4271-0364
برونو رودريغيز ديل بينو ©https://orcid.org/0000-0001-5171-3930
Wiphu Rujopakarn ©https://orcid.org/0000-0002-0303-499X
إيرين شيفايي ©https://orcid.org/0000-0003-4702-7561
ساندرو تاكلا ©https://orcid.org/0000-0002-8224-4505
كريستوفر ن. أ. ويلمر ©https://orcid.org/0000-0001-9262-9997
كريس ويلوت ©https://orcid.org/0000-0002-4201-7367
References
Akins, H. B., Casey, C. M., Allen, N., et al. 2023, ApJ, 956, 61
Álvarez-Márquez, J., Crespo Gómez, A., Colina, L., et al. 2023, A&A, 671, A105
Astropy Collaboration, Price-Whelan, A. M., Sipőcz, B. M., et al. 2018, AJ, 156, 123
Astropy Collaboration, Robitaille, T. P., Tollerud, E. J., et al. 2013, A&A, 558, A33
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Barro, G., Pérez-González, P. G., Cava, A., et al. 2019, ApJS, 243, 22
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Barrufet, L., Oesch, P. A., Weibel, A., et al. 2023, MNRAS, 522, 449
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Bogdán, Á., Goulding, A. D., Natarajan, P., et al. 2024, NatAs, 8, 126
Bosman, S. E. I., Álvarez-Márquez, J., Colina, L., et al. 2023, arXiv:2307. 14414
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Brammer, G. B., Whitaker, K. E., van Dokkum, P. G., et al. 2011, ApJ, 739, 24
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Cameron, A. J., Curtis-Lake, E., et al. 2023, arXiv:2306.02467
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Byler, N., Dalcanton, J. J., Conroy, C., & Johnson, B. D. 2017, ApJ, 840, 44
Calzetti, D., Armus, L., Bohlin, R. C., et al. 2000, ApJ, 533, 682
Chabrier, G. 2003, PASP, 115, 763
Charlot, S., & Fall, S. M. 2000, ApJ, 539, 718
Choi, J., Dotter, A., Conroy, C., et al. 2016, ApJ, 823, 102
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
De Rossi, M. E., Rieke, G. H., Shivaei, I., Bromm, V., & Lyu, J. 2018, ApJ, 869, 4
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Desprez, G., Martis, N. S., Asada, Y., et al. 2024, MNRAS, 530, 2935
Díaz-Santos, T., Assef, R. J., Eisenhardt, P. R. M., et al. 2021, A&A, 654, A37
Draine, B. T., & Li, A. 2007, ApJ, 657, 810
Álvarez-Márquez, J., Crespo Gómez, A., Colina, L., et al. 2023, A&A, 671, A105
Astropy Collaboration, Price-Whelan, A. M., Sipőcz, B. M., et al. 2018, AJ, 156, 123
Astropy Collaboration, Robitaille, T. P., Tollerud, E. J., et al. 2013, A&A, 558, A33
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Barro, G., Pérez-González, P. G., Cava, A., et al. 2019, ApJS, 243, 22
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Barrufet, L., Oesch, P. A., Weibel, A., et al. 2023, MNRAS, 522, 449
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Bogdán, Á., Goulding, A. D., Natarajan, P., et al. 2024, NatAs, 8, 126
Bosman, S. E. I., Álvarez-Márquez, J., Colina, L., et al. 2023, arXiv:2307. 14414
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Brammer, G. B., Whitaker, K. E., van Dokkum, P. G., et al. 2011, ApJ, 739, 24
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Cameron, A. J., Curtis-Lake, E., et al. 2023, arXiv:2306.02467
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Byler, N., Dalcanton, J. J., Conroy, C., & Johnson, B. D. 2017, ApJ, 840, 44
Calzetti, D., Armus, L., Bohlin, R. C., et al. 2000, ApJ, 533, 682
Chabrier, G. 2003, PASP, 115, 763
Charlot, S., & Fall, S. M. 2000, ApJ, 539, 718
Choi, J., Dotter, A., Conroy, C., et al. 2016, ApJ, 823, 102
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
De Rossi, M. E., Rieke, G. H., Shivaei, I., Bromm, V., & Lyu, J. 2018, ApJ, 869, 4
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Desprez, G., Martis, N. S., Asada, Y., et al. 2024, MNRAS, 530, 2935
Díaz-Santos, T., Assef, R. J., Eisenhardt, P. R. M., et al. 2021, A&A, 654, A37
Draine, B. T., & Li, A. 2007, ApJ, 657, 810
Eisenstein, D. J., Johnson, B. D., Robertson, B., et al. 2023a, arXiv:2310. 12340
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Elvis, M., Wilkes, B. J., McDowell, J. C., et al. 1994, ApJS, 95, 1
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
Ferland, G. J., Korista, K. T., Verner, D. A., et al. 1998, PASP, 110, 761
Ferland, G. J., Porter, R. L., van Hoof, P. A. M., et al. 2013, RMxAA, 49, 137
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Furtak, L. J., Shuntov, M., Atek, H., et al. 2023a, MNRAS, 519, 3064
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023b, ApJ, 952, 142
Gáspár, A., Rieke, G. H., Guillard, P., et al. 2021, PASP, 133, 014504
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Greene, J. E., Labbé, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Guo, Y., Ferguson, H. C., Giavalisco, M., et al. 2013, ApJS, 207, 24
Hainline, K. N., Helton, J. M., Johnson, B. D., et al. 2024a, ApJ, 964, 66
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024b, ApJ, 964, 71
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
Haslbauer, M., Kroupa, P., Zonoozi, A. H., & Haghi, H. 2022, ApJL, 939, L31
Hernán-Caballero, A., Hatziminaoglou, E., Alonso-Herrero, A., & Mateos, S. 2016, MNRAS, 463, 2064
Illingworth, G., Magee, D., Bouwens, R., et al. 2016, arXiv:1606.00841
Johnson, B. D., Leja, J., Conroy, C., & Speagle, J. S. 2021, ApJS, 254, 22
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kim, S. J., Lee, H. M., Jeong, W.-S., et al. 2015, MNRAS, 454, 1573
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kriek, M., & Conroy, C. 2013, ApJL, 775, L16
Kroupa, P. 2001, MNRAS, 322, 231
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Langeroodi, D., & Hjorth, J. 2023, ApJL, 957, L27
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leja, J., Carnall, A. C., Johnson, B. D., Conroy, C., & Speagle, J. S. 2019, ApJ, 876, 3
Leja, J., Johnson, B. D., Conroy, C., & van Dokkum, P. 2018, ApJ, 854, 62
Leja, J., Johnson, B. D., Conroy, C., van Dokkum, P. G., & Byler, N. 2017, ApJ, 837, 170
Lyu, J., Alberts, S., Rieke, G. H., et al. 2024, ApJ, 966, 229
Lyu, J., Alberts, S., Rieke, G. H., & Rujopakarn, W. 2022, ApJ, 941, 191
Lyu, J., & Rieke, G. 2022a, Univ, 8, 304
Lyu, J., & Rieke, G. H. 2017, ApJ, 841, 76
Lyu, J., & Rieke, G. H. 2022b, ApJL, 940, L31
Lyu, J., Rieke, G. H., & Alberts, S. 2016, ApJ, 816, 85
Lyu, J., Rieke, G. H., & Shi, Y. 2017, ApJ, 835, 257
Magorrian, J., Tremaine, S., Richstone, D., et al. 1998, AJ, 115, 2285
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2308.01230
Matthee, J., Mackenzie, R., Simcoe, R. A., et al. 2023, ApJ, 950, 67
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Natarajan, P., Pacucci, F., Ricarte, A., et al. 2024, ApJL, 960, L1
Nenkova, M., Sirocky, M. M., Nikutta, R., Ivezić, Ž., & Elitzur, M. 2008, ApJ, 685, 160
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pérez-González, P. G., Barro, G., Annunziatella, M., et al. 2023a, ApJL, 946, L16
Pérez-González, P. G., Costantin, L., Langeroodi, D., et al. 2023b, ApJL, 951, L1
Pérez-González, P. G., Gil de Paz, A., Zamorano, J., et al. 2003, MNRAS, 338, 508
Pérez-González, P. G., Rieke, G. H., Villar, V., et al. 2008, ApJ, 675, 234
Polletta, M., Tajer, M., Maraschi, L., et al. 2007, ApJ, 663, 81
Richards, G. T., Lacy, M., Storrie-Lombardi, L. J., et al. 2006, ApJS, 166, 470
Rieke, G. H., Alonso-Herrero, A., Weiner, B. J., et al. 2009, ApJ, 692, 556
Rieke, M. J., Robertson, B. E., Tacchella, S., et al. 2023, ApJS, 269, 16
Rodighiero, G., Bisigello, L., Iani, E., et al. 2023, MNRAS, 518, L19
Siebenmorgen, R., Heymann, F., & Efstathiou, A. 2015, A&A, 583, A120
Siebenmorgen, R., & Krügel, E. 2007, A&A, 461, 445
Stalevski, M., Fritz, J., Baes, M., Nakos, T., & Popović, L. Č. 2012, MNRAS, 420, 2756
Stalevski, M., Ricci, C., Ueda, Y., et al. 2016, MNRAS, 458, 2288
Stone, M. A., Lyu, J., Rieke, G. H., Alberts, S., & Hainline, K. N. 2024, ApJ, 964, 90
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Elvis, M., Wilkes, B. J., McDowell, J. C., et al. 1994, ApJS, 95, 1
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
Ferland, G. J., Korista, K. T., Verner, D. A., et al. 1998, PASP, 110, 761
Ferland, G. J., Porter, R. L., van Hoof, P. A. M., et al. 2013, RMxAA, 49, 137
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Furtak, L. J., Shuntov, M., Atek, H., et al. 2023a, MNRAS, 519, 3064
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023b, ApJ, 952, 142
Gáspár, A., Rieke, G. H., Guillard, P., et al. 2021, PASP, 133, 014504
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Greene, J. E., Labbé, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Guo, Y., Ferguson, H. C., Giavalisco, M., et al. 2013, ApJS, 207, 24
Hainline, K. N., Helton, J. M., Johnson, B. D., et al. 2024a, ApJ, 964, 66
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024b, ApJ, 964, 71
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
Haslbauer, M., Kroupa, P., Zonoozi, A. H., & Haghi, H. 2022, ApJL, 939, L31
Hernán-Caballero, A., Hatziminaoglou, E., Alonso-Herrero, A., & Mateos, S. 2016, MNRAS, 463, 2064
Illingworth, G., Magee, D., Bouwens, R., et al. 2016, arXiv:1606.00841
Johnson, B. D., Leja, J., Conroy, C., & Speagle, J. S. 2021, ApJS, 254, 22
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kim, S. J., Lee, H. M., Jeong, W.-S., et al. 2015, MNRAS, 454, 1573
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kriek, M., & Conroy, C. 2013, ApJL, 775, L16
Kroupa, P. 2001, MNRAS, 322, 231
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Langeroodi, D., & Hjorth, J. 2023, ApJL, 957, L27
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leja, J., Carnall, A. C., Johnson, B. D., Conroy, C., & Speagle, J. S. 2019, ApJ, 876, 3
Leja, J., Johnson, B. D., Conroy, C., & van Dokkum, P. 2018, ApJ, 854, 62
Leja, J., Johnson, B. D., Conroy, C., van Dokkum, P. G., & Byler, N. 2017, ApJ, 837, 170
Lyu, J., Alberts, S., Rieke, G. H., et al. 2024, ApJ, 966, 229
Lyu, J., Alberts, S., Rieke, G. H., & Rujopakarn, W. 2022, ApJ, 941, 191
Lyu, J., & Rieke, G. 2022a, Univ, 8, 304
Lyu, J., & Rieke, G. H. 2017, ApJ, 841, 76
Lyu, J., & Rieke, G. H. 2022b, ApJL, 940, L31
Lyu, J., Rieke, G. H., & Alberts, S. 2016, ApJ, 816, 85
Lyu, J., Rieke, G. H., & Shi, Y. 2017, ApJ, 835, 257
Magorrian, J., Tremaine, S., Richstone, D., et al. 1998, AJ, 115, 2285
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2308.01230
Matthee, J., Mackenzie, R., Simcoe, R. A., et al. 2023, ApJ, 950, 67
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Natarajan, P., Pacucci, F., Ricarte, A., et al. 2024, ApJL, 960, L1
Nenkova, M., Sirocky, M. M., Nikutta, R., Ivezić, Ž., & Elitzur, M. 2008, ApJ, 685, 160
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pérez-González, P. G., Barro, G., Annunziatella, M., et al. 2023a, ApJL, 946, L16
Pérez-González, P. G., Costantin, L., Langeroodi, D., et al. 2023b, ApJL, 951, L1
Pérez-González, P. G., Gil de Paz, A., Zamorano, J., et al. 2003, MNRAS, 338, 508
Pérez-González, P. G., Rieke, G. H., Villar, V., et al. 2008, ApJ, 675, 234
Polletta, M., Tajer, M., Maraschi, L., et al. 2007, ApJ, 663, 81
Richards, G. T., Lacy, M., Storrie-Lombardi, L. J., et al. 2006, ApJS, 166, 470
Rieke, G. H., Alonso-Herrero, A., Weiner, B. J., et al. 2009, ApJ, 692, 556
Rieke, M. J., Robertson, B. E., Tacchella, S., et al. 2023, ApJS, 269, 16
Rodighiero, G., Bisigello, L., Iani, E., et al. 2023, MNRAS, 518, L19
Siebenmorgen, R., Heymann, F., & Efstathiou, A. 2015, A&A, 583, A120
Siebenmorgen, R., & Krügel, E. 2007, A&A, 461, 445
Stalevski, M., Fritz, J., Baes, M., Nakos, T., & Popović, L. Č. 2012, MNRAS, 420, 2756
Stalevski, M., Ricci, C., Ueda, Y., et al. 2016, MNRAS, 458, 2288
Stone, M. A., Lyu, J., Rieke, G. H., Alberts, S., & Hainline, K. N. 2024, ApJ, 964, 90
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Wang, B., Leja, J., Atek, H., et al. 2024, ApJ, 963, 74
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Wang, B., Leja, J., Atek, H., et al. 2024, ApJ, 963, 74
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Williams, C. C., Alberts, S., Ji, Z., et al. 2023a, arXiv:2311.07483
Williams, C. C., Tacchella, S., Maseda, M. V., et al. 2023b, ApJS, 268, 64
Woodrum, C., Rieke, M., Ji, Z., et al. 2023, arXiv:2310.18464
Wuyts, S., Förster Schreiber, N. M., van der Wel, A., et al. 2011, ApJ, 742, 96
Williams, C. C., Tacchella, S., Maseda, M. V., et al. 2023b, ApJS, 268, 64
Woodrum, C., Rieke, M., Ji, Z., et al. 2023, arXiv:2310.18464
Wuyts, S., Förster Schreiber, N. M., van der Wel, A., et al. 2011, ApJ, 742, 96
Original content from this work may be used under the terms of the Creative Commons Attribution 4.0 licence. Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal citation and DOI.The photometric redshift probability distribution function for this source presents two peaks, one at and one at . Significantly better values are obtained by SYNTHESIZER-AGN and PROSPECTOR-AGN for our finally chosen redshift .
Journal: The Astrophysical Journal, Volume: 968, Issue: 1
DOI: https://doi.org/10.3847/1538-4357/ad38bb
Publication Date: 2024-06-01
DOI: https://doi.org/10.3847/1538-4357/ad38bb
Publication Date: 2024-06-01
What Is the Nature of Little Red Dots and what Is Not, MIRI SMILES Edition
Abstract
We study 31 little red dots (LRD) detected by JADES/NIRCam and covered by the SMILES/MIRI survey, of which
Unified Astronomy Thesaurus concepts: Galaxy formation (595); Galaxy evolution (594); High-redshift galaxies (734); Galaxy stellar content (621); Stellar populations (1622); Broad band photometry (184); Galaxy ages (576); James Webb Space Telescope (2291); Active galactic nuclei (16)
1. Introduction
In the very first month of JWST science operations, Labbé et al. (2023b) identified a sample of compact sources with distinct spectral energy distributions (SEDs) presenting two clear breaks (Lyman and Balmer) in the NIRCam+Hubble Space Telescope (HST) data. The SEDs were also characterized by a change of slope: they had red colors at observed wavelengths between
capabilities provided by JWST, easily reaching magnitudes down to
The existence of such early massive galaxies was quickly identified as a possible severe problem in our understanding of how galaxies form and evolve. Indeed, the large masses would be very difficult to explain with the current
This high-mass interpretation was challenged by adopting models with prominent nebular emission, which could account for their red nature due to the nonnegligible contribution of emission lines (and nebular continuum) to the broadband fluxes as they enter the NIRCam passbands for different redshifts, implying significantly smaller (by a factor of 10 or more) stellar masses (see Endsley et al. 2023a, 2023b; Pérez-González et al. 2023a; Desprez et al. 2024). The estimated masses of early galaxies would also be reduced significantly if they had topheavy stellar initial mass functions (IMFs; Woodrum et al. 2023; Wang et al. 2024).
A simpler explanation in some cases is redshift errors or misidentifications. Indeed, Kocevski et al. (2023) presented spectroscopy for one of the claimed massive galaxies in Labbé et al. (2023b), showing an overestimation of the photometric redshift, which could partly explain the high-mass value for this and some other sources, as opposed to the more accurate photometric redshift and (10 times) smaller mass found in Pérez-González et al. (2023a) for this same source. However, the general agreement among different authors in the determination of photometric redshifts for this type of source implies that redshift errors are not worrisome in a statistical sense (estimations agree well between papers for
Jointly with their colors, the extreme compactness of the bona fide high-redshift objects led to the term LRDs (as first suggested by Matthee et al. 2024). Understanding LRDs has become more complex given that there is a variety of selection techniques that arrive at very similar types of objects in terms of compact morphology and red LW-to-SW colors, with high levels of overlap but also “contamination” from other types of sources (e.g., not so compact red galaxies or little not-so-red dots). Labbé et al. (2023b) originally looked for sources with SED breaks, which resulted in a flat or blue SED at wavelengths shorter than
The question about the general nature of LRDs was further tangled by finding evidence for the presence of active galactic nuclei (AGN). Kocevski et al. (2023) identified a broad (
(ALMA) nondetections have also been used to defend the AGN nature of the bulk of the LRD emission (Labbé et al. 2023a).
(ALMA) nondetections have also been used to defend the AGN nature of the bulk of the LRD emission (Labbé et al. 2023a).
Solving the challenges outlined above requires going further into the mid-infrared (MIR) where stellar emission and AGN can be distinguished. MIRI data at observed wavelengths shorter than
As is clear from the preceding discussion, the exact nature of the LRDs is still unclear, and there is no definitive proof that they are a single type of phenomenon, i.e., they could be a mixture of the various hypotheses advanced, their nature being also affected by selection biases.
In this paper, we investigate the nature of LRDs using the best multiwavelength, large area MIRI data available to date, those coming from the SMILES survey (Lyu et al. 2024). MIRI, in fact, is essential to disentangle the nature of LRDs. If dominated by star formation, the SEDs of LRDs should show a
The main goals of this paper are to select and study LRDs in a comprehensive way, including examples representing a range of properties, and to see how our conclusions about them are influenced by different elaborated modeling approaches. To achieve these ends, the paper is organized as follows. Section 2 presents the NIRCam and MIRI data used to select and characterize a sample of LRDs in the GOODS-S field. Section 3 describes the average SEDs of LRDs, and Section 4 presents stellar and AGN emission models that will be used to characterize the physical properties of LRDs on galaxy-by-galaxy and statistical bases in Section 5. Finally, Section 6 discusses and summarizes our conclusions. We also include in this paper three appendices that describe in detail the MIRI data reduction, the dust emission models that are the most important ingredients of the SED modeling, and provide SED fits for the whole sample.
Throughout the paper, we assume a flat cosmology with
Figure 1. The left and central panels show the F277W-F444W vs. F444W color-magnitude and F277W-F444W vs. F150W-F200W color-color diagrams, as well as histograms of NIRCam colors, indicating the selection thresholds for LRDs (F277W-F444W
All stellar mass and star formation rate (SFR) estimations assume a universal Chabrier (2003) IMF, which is a very relevant assumption for these parameters (but might not be accurate given the extreme conditions).
2. Data and Sample Selection
2.1. NIRCam-based Selection
The sample of LRDs analyzed in this paper has been gathered from the JWST Advanced Deep Extragalactic Survey, JADES (Eisenstein et al. 2023b) Data Release 2 catalogs (Eisenstein et al. 2023a), which also gathered data from the First Reionization Epoch Spectroscopically Complete Observations (FRESCO; Oesch et al. 2023) and the JWST Extragalactic Medium-band Survey (JEMS; Williams et al. 2023b). We also used the Rieke et al. (2023) catalog for spectroscopic redshifts, which included values measured with data taken by NIRCam (Oesch et al. 2023) and NIRSpec (Bunker et al. 2023). Given the small (nearly pointlike) nature of our sources of interest and the fact that eventually we wanted to analyze SEDs including MIRI data, we used
The selection procedure is summarized in Figure 1, where we compare our sample with others found in the literature.
Overall, our color selection criterion is bluer than that used in Barro et al. (2024), who imposed a redder color cut (F277WF444W
We further restrict the sample to the area covered by MIRI within SMILES (Lyu et al. 2024), arriving at a sample of 37 galaxies. As shown by Hainline et al. (2024a), this type of color selection of high-redshift galaxies might be contaminated by brown dwarfs. To account for that, and following their analysis, we removed from the original sample the four sources with color F115W-F150W < – 0.5 mag . Two other LRDs were removed since they were identified with brown dwarfs with proper motion (Hainline et al. 2024a). Our final sample contains 31 galaxies detected in the SMILES 34.9 arcmin
Our final sample includes 14 sources studied in Williams et al. (2023a), as well as two sources included in the sample of highredshift obscured AGN candidates presented in Lyu et al. (2024), one source identified as an AGN in Matthee et al. (2024), and five galaxies selected as high-redshift candidates in Hainline et al. (2024b). Compared to the galaxies in common with Williams et al. (2023a), the sample in this paper is 0.5 mag fainter in F 444 W (medians and quartiles
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
|
|
|
|
|
||||||||||
| 99915 |
|
|
|
|
||||||||||
|
|
|
|||||||||||||
Figure 2. NIRCam F150W+F277W+F444W color composite postages of the sample of 31 LRDs in this paper. North is up, east is left, sizes are
2.2. Mid-infrared Properties
In this section, we discuss the detections of our sample of LRDs in the MIRI data gathered by SMILES (Lyu et al. 2024). We first describe briefly this data set, and then discuss the detection fractions in MIRI as a function of wavelength.
2.2.1. MIRI Data Description
The MIRI data gathered by the SMILES survey (program ID 1207, PI: G. Rieke, Lyu et al. 2024) were reduced with JWST pipeline version 1.12.3, reference files in pmap version 1138, which includes improved absolute photometric calibration and
Table 1
Sample of LRDs
Sample of LRDs
| Galaxy Name | JADES DR2 ID | F444W (mag) | F277W-F444W (mag) | F150W-F200W (mag) | MIRI Subsample |
| JADES-GS-53.12497-27.86835 | 42645 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.11532-27.85922 | 57356 |
|
|
|
Golden Five |
| JADES-GS-53.09116-27.85260 | 68544 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.10831-27.85101 | 70714 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.11993-27.84640 | 75654 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.14763-27.84205 | 79803 |
|
|
|
Golden Five |
| JADES-GS-53.12540-27.83997 | 81400 |
|
|
|
F770W sample |
| JADES-GS-53.13383-27.82825 | 90354 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.15905-27.81825 | 99267 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.17603-27.81740 | 99915 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.15933-27.81175 | 104238 |
|
|
|
F770W sample |
| JADES-GS-53.12543-27.78744 | 120484 |
|
|
|
F770W sample |
| JADES-GS-53.12690-27.78615 | 121710 |
|
|
|
F1000W sample |
| JADES-GS-53.17280-27.78315 | 124327 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.14430-27.77986 | 126594 |
|
|
|
F770W sample |
| JADES-GS-53.20400-27.77210 | 132229 |
|
|
|
F1000W sample |
| JADES-GS-53.19077-27.76788 | 136872 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.14795-27.75993 | 143133 |
|
|
|
noMIRI/SMILES |
| JADES-GS-53.15817-27.73913 | 154428 |
|
|
|
F1000W sample |
| JADES-GS-53.09642-27.85309 | 184838 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.10605-27.84823 | 187025 |
|
|
|
F770W sample |
| JADES-GS-53.14365-27.82553 | 194809 |
|
|
|
no MIRI/SMILES |
| JADES-GS-53.12654-27.81809 | 197348 |
|
|
|
F770W sample |
| JADES-GS-53.12142-27.79491 | 203749 |
|
|
|
F1000W sample |
| JADES-GS-53.13859-27.79025 | 204851 |
|
|
|
Golden Five |
| JADES-GS-53.16611-27.77204 | 210600 |
|
|
|
F1000W sample |
| JADES-GS-53.18354-27.77016 | 211388 |
|
|
|
Golden Five |
| JADES-GS-53.17922-27.75872 | 214552 |
|
|
|
F1000W sample |
| JADES-GS-53.18478-27.74405 | 217926 |
|
|
|
F1000W sample |
| JADES-GS-53.16137-27.73767 | 219000 |
|
|
|
Golden Five |
| JADES-GS-53.19212-27.75251 | 297689 |
|
|
|
F770W sample |
Note. Table with basic information (used for selection) about the sample of galaxies in this paper: IAU-format name, ID based on JADES DR2 catalog (Eisenstein et al. 2023a), magnitude and colors used in the selection (see Figure 1), and subsample according to the reddest band counting with a MIRI detection.
aperture corrections based on a better characterization of the PSFs, especially at the shortest wavelengths.
aperture corrections based on a better characterization of the PSFs, especially at the shortest wavelengths.
Apart from the official pipeline steps, our reduction includes a special treatment of the background to deal with artifacts seen in the MIRI data (e.g., striping, tree rings, and inhomogeneities in rows and columns). This is achieved with a superbackground strategy that was explained briefly in Álvarez-Márquez et al. (2023) and Lyu et al. (2024). Given the importance of reaching the deepest fluxes possible in the analysis of high-redshift sources presented in this paper, we explain and characterize in detail the bespoke MIRI reduction procedures in Appendix A.
Photometry in the MIRI bands was performed in circular apertures with radii of
2.2.2. MIRI Detections
Out of the 31 LRDs selected with the JADES NIRCam data down to
We divided the sample of LRDs into four subsets detected up to a given MIRI band: (1) five galaxies detected in F1280W and longer wavelengths, hereafter the Golden Five; (2) seven galaxies detected only up to F1000W (i.e., excluding the previous type); (3) seven sources detected only up to F770W (excluding the previous types); (4) and, lastly, the 12 galaxies not detected in any MIRI band. The panels and histograms in Figure 1, as well as the postage stamps in Figure 2, show these subsets with different colors. The first figure illustrates that the MIRI detection fraction depends strongly on the F444W magnitude, and it is nearly independent
of the F150W-F200W color. Interestingly, the F277W-F444W color does exhibit some differences between subsets, with the Golden Five being among the bluest, and the F1000W sample among the reddest (we will comment on this in the following sections). It is worth mentioning that only two of the Golden Five galaxies would be identified as LRDs under a more restrictive color selection of F277W-F444W
of the F150W-F200W color. Interestingly, the F277W-F444W color does exhibit some differences between subsets, with the Golden Five being among the bluest, and the F1000W sample among the reddest (we will comment on this in the following sections). It is worth mentioning that only two of the Golden Five galaxies would be identified as LRDs under a more restrictive color selection of F277W-F444W
2.3. Redshifts
A total of 18 galaxies out of the 31 in the whole sample (55%) have spectroscopic redshifts provided by CANDELS (Guo et al. 2013), FRESCO (Oesch et al. 2023) data (measured by the JADES team), and JADES NIRSpec data (Eisenstein et al. 2023a; Bunker et al. 2023), all of them flagged as highly secure.
Photometric redshifts for all galaxies were estimated with EAZY (Brammer et al. 2008), using either direct flux measurements for all bands or a modified version of the program that penalizes solutions implying fluxes above upper limits. We used v1.3 templates, which include a dusty galaxy and a high-EW emissionline galaxy spectrum, and we added a new extreme emission-line galaxy template as well as an AGN+torus model (based on the spectrum in Killi et al. 2023). Based on the comparison with spectroscopic values, we chose the maximum
The quality of the photometric redshifts, when compared to spectroscopic values, is remarkably high, partly as a consequence of the strong emission lines present in many of the LRDs in our sample. The average absolute difference between photometric and spectroscopic values is 0.01 , and we do not have any outliers (defined as galaxies with
A histogram of the redshift distribution of our sample is given in Figure 1. The distribution is relatively flat between
2.4. Additional SED Constraints
Apart from the NIRCam and MIRI fluxes, we used Hubble Advanced Camera for Surveys (ACS) fluxes measured in Hubble Legacy Field images (Illingworth et al. 2016; Whitaker et al. 2019). Except for one source, not covered by the NIRCam SW channels, we did not use WFC3 data. We checked that none of the LRDs in this paper are detected by Spitzer with the MIPS instrument or by Herschel with PACS and SPIRE. Taking into consideration the catalogs used in Barro et al. (2019), we imposed in our SED analysis
3. Spectral Energy Distributions of LRDs
3.1. Average Spectral Energy Distributions
Figure 3 shows the rest-frame SEDs, normalized at
Overall, the plots highlight very clearly the characteristic flat, blue UV continuum plus steep, red optical continuum of LRDs. Such peculiar SEDs are difficult to model with traditional stellar population models under conventional assumptions and therefore require more complex or unusual treatment (to avoid biases in the determination of stellar masses, for example). Recent works have put forward different solutions to try to explain the emission of the LRDs using strong, high EW (
The fully AGN-dominated models have received more attention lately based on the spectroscopic observations of LRDs showing strong, and sometimes broad emission lines (FWHM >
Figure 3 indicates that the stacked SED of the SMILES LRDs agrees well with the results from previous works based on NIRCam data: the rest-frame UV up to
The rest-frame optical presents a very steep slope from 0.4 to
Figure 3. Stacked LRD SEDs for sources detected by MIRI (left panel) and not (right panel), normalized at rest-frame wavelength
However, the interpretation of LRD SEDs being dominated by a pure and/or complex (with a gray attenuation law) AGN model is not supported when we consider the rest-frame NIR spectral region probed by MIRI, the key addition in this paper, as first presented in Williams et al. (2023a). The MIRI data (colored circles in Figure 3) and average SED are consistently lower than the predictions of the Polletta et al. (2007) torus template. A more general evaluation can be made by applying different reddening levels to a standard unreddened AGN template. In the
stabilizes at a roughly flat value at
stabilizes at a roughly flat value at
The comparison of photometry and templates in Figure 3 strongly suggests that the rest-NIR emission of the LRDs (around
Figure 4. NIRCam and MIRI colors vs. redshift for all LRDs detected at least in F770W. The lines illustrate the color-redshift tracks for the same templates shown in Figure 3. Galaxies from different samples are marked with different colors. The first two panels in the top row show the F444W-F560W(F770W) colors, which are available for the majority of the sources. The last panel at the top and the bottom panels show the MIRI-MIRI colors relative to F770W. The median and scatter of the colors are indicated in the top left corner.
The right panel of Figure 3 shows the average SED of LRDs that are not detected by MIRI. The UV range is bluer than in the MIRI-detected case, more in line with the slope of the average QSO spectrum. The change in slope at
3.2. MIRI Colors
Figure 4 illustrates further what the MIRI observations reveal about the nature of LRDs, probing further into the redshift effects. Two of the top panels show the expected NIRCam-MIRI colors for different types of templates as a function of redshift. The nature of the LRD emission in the spectral range probed by the F444WF560W or F444W-F770W colors cannot be disentangled: both AGN and stellar-dominated emission would present very similar color differences of about 0.5 mag , and the influence of emission lines in one and/or the other filter at specific redshifts complicates the problem. Only when observing at longer wavelengths with MIRI,
stellar-dominated emission presenting a
stellar-dominated emission presenting a
In summary, as found in the preceding section, this more detailed analysis shows how SEDs constructed up to the reddest NIRCam bands are compatible with a dominant AGN with composite emission: blue in the UV, with emission lines coming from the BLR, and starting to rise as expected for dust torus emission up to
Both in Figures 3 and 4, we show one of the radiative transfer models of dust-rich compact nuclear starbursts and luminous infrared galaxies (LIRGs) presented in Siebenmorgen & Krügel (2007). In particular, we plot (in blue) the template for an extreme starburst with a 350 pc star-forming region with a sub-LIRG-like luminosity (
Figure 5. SED fitting results for source JADES-57356, the LRD in our sample detected up to F2100W. The four upper panels show: (1) the fits for SYNTHESIZERAGN+ on the top left panel, including the individual components of the model, i.e., young, old, and all stars in blue, cyan, and gray, (un)obscured AGN in orange, and regular dust emission (in principle, linked to star formation) in red; (2) results for PROSPECTOR-AGN+ on the top right panel, showing the three components, stars in gray, AGN in orange, and star formation heated dust in red; (3) PROSPECTOR-SF on the bottom left, showing stars in gray and star formation heated dust in red; and (4) PROSPECTOR-AGN on the bottom right, including young stars in blue, total AGN emission in orange, with the torus emission shown with a dashed line. Number of bands fitted and direct (i.e., not reduced)
Figure 6. Same as Figure 5, but for source JADES-204851, a source detected up to F1800W.
redshift dependence of the color of this template, shown in Figure 4, is also completely consistent with the measurements.
With the general trends discussed with Figures 3 and 4 in mind, in the following section, we investigate several different new scenarios to model the NIRCam+MIRI SEDs of each LRD in our sample.
4. SED Modeling Codes for LRDs
In this section, we present the detailed SED fitting methods that will be applied to the analysis of individual objects in our sample to infer their physical properties. The results will be presented in the next section, concentrating on those galaxies
Figure 7. Same as Figure 5, but for source JADES-219000, a source detected up to F1500W.
that have spectroscopic redshifts and are detected in several MIRI bands. The SEDs of all our LRDs were fitted with four codes, each one with different assumptions and approaches: SYNTHESIZER-AGN, PROSPECTOR-SF, PROSPEC-TOR-AGN, and PROSPECTOR-AGN+.
4.1. The SYNTHESIZER-AGN Code
For the SYNTHESIZER-AGN code (Pérez-González et al. 2003, 2008), we assumed a composite stellar population with both a young and a more evolved starburst. The stellar emission
Figure 8. Same as Figure 5, but for source JADES-211388, a source detected up to F1280W.
is described by the Bruzual & Charlot (2003) models, assuming a Chabrier (2003) IMF with stellar mass limits between 0.1 and
the source. Nebular emission is also considered (see PérezGonzález et al. 2003 for details). The attenuations of the stellar and nebular emission are described by the Calzetti et al. (2000) law, with
the source. Nebular emission is also considered (see PérezGonzález et al. 2003 for details). The attenuations of the stellar and nebular emission are described by the Calzetti et al. (2000) law, with
Figure 9. Same as Figure 5, but for source JADES-79803, a source detected up to F1280W.
the AGN might contribute) with the radiative transfer templates of nuclear starbursts presented in Siebenmorgen & Krügel (2007). We use the templates for 350 pc diameter star-forming regions, with different SED shapes parameterized by the total IR luminosity (from sub-LIRG to Hyper-LIRG ranges), a visual
extinction of the starburst (from 2 to 144 mag ), and a ratio to the total luminosity (from
extinction of the starburst (from 2 to 144 mag ), and a ratio to the total luminosity (from
Apart from the stellar population, we include an AGN component described by a QSO template constructed with the average spectrum of QSOs presented in Vanden Berk et al. (2001) and Glikman et al. (2006), extended to the far-IR with the dust torus template in Siebenmorgen et al. (2015). This model was shown in Figure 3. The attenuation of the AGN model is also assumed to follow the Calzetti et al. (2000) law, and we impose an energy balance criterion, so the energy absorbed by dust is reradiated in the MIR and far-IR, scaling up the dust torus emission.
There are nine free parameters to describe the stellar population. Apart from the four parameters for each stellar population, i.e., age, timescale, attenuation, and metallicity, we fit the stellar mass ratio between the youngest stars and the total mass, the burst strength. We add to the nine stellar parameters, two more that describe the scaling of the AGN template with respect to the stars and its attenuation.
We remark that SYNTHESIZER-AGN assumes independent extinctions for the two stellar populations in the host (as well as for the AGN). This is different from what is done by the next codes, where the attenuation for the stellar emission is governed by common parameters (visual attenuation and attenuation law slope), although internally young stars are treated differently from old stars.
4.2. The PROSPECTOR-SF Code
For PROSPECTOR-SF (Leja et al. 2017; Johnson et al. 2021), we use the MIST stellar evolutionary tracks and isochrones (Choi et al. 2016), a Chabrier (2003) IMF, a range in stellar metallicity between -1.0 and 0.19 , and gas phase metallicity
This model includes five free parameters that control the ratio of SFR in six adjacent time bins; the first two bins are spaced at
4.3. The PROSPECTOR-AGN Code
A third type of fit, PROSPECTOR-AGN hereafter, makes use of a hybrid galaxy + AGN model similar to the one described in Barro et al. (2024). Briefly, we use a combination of a stellar emission component that dominates in the rest-frame UV and an AGN one that dominates in the optical to IR wavelengths. By construction, this is the only model where the AGN makes
up the bulk of the luminosity, and, as such, it serves as a feasibility test for AGN-dominated SEDs (forced to be dominant, not free as in the case of the PROSPECTOR-AGN+ code presented below). The stellar emission is modeled with Prospector using a parametric delayed-
up the bulk of the luminosity, and, as such, it serves as a feasibility test for AGN-dominated SEDs (forced to be dominant, not free as in the case of the PROSPECTOR-AGN+ code presented below). The stellar emission is modeled with Prospector using a parametric delayed-
4.4. The PROSPECTOR-AGN+Code
Last but not least, PROSPECTOR-AGN+ is a modified version of the original PROSPECTOR code with the flexible stellar population synthesis (FSPS; Conroy et al. 2009; Conroy & Gunn 2010) for the stellar component. We assumed a Kroupa (2001) IMF and delayed-tau SFH. The stellar nebular line and continuum emission are also turned-on, as preconfigured in FSPS (Byler et al. 2017). We adopted the Calzetti attenuation curve with a flexible slope as introduced in Kriek & Conroy (2013). For the galaxy dust emission, since the objects of this work have
This code uses a set of semiempirical AGN SED models, which have been optimized for AGN identification and characterization (Lyu et al. 2022, 2024). For this work, we adopted a similar model configuration as in Lyu et al. (2024) for the SMILES+JADES AGN identification: the AGN component includes both the AGN-powered continuum from the UV to the far-IR and the narrow and broad emission lines from the UV to the NIR derived based on empirical observations. The continuum shape and line strengths of the AGN SED can be modified by a hybrid extinction configuration featuring the SMC-like curve for the commonly seen UVoptical extinction in Type-1 AGNs and an empirical attenuation law for the IR obscuration. Further details can be found in Lyu et al. (2024) and references therein.
In total, this code uses seven free parameters to describe the stellar component and two for the AGN.
4.5. Summary
These four codes let us compare models of the LRDs with a wide variety of input assumptions. This is important to let us deduce which properties are likely to be intrinsic rather than due to modeling issues. Synthesizer-AGN, PROSPECTOR-SF, and PROSPECTOR-AGN+ use three different prescriptions for
the stellar populations, with three varieties for the interstellar extinction law. SYNTHESIZER-AGN and PROSPECTOR-AGN+ treat the stellar-heated dust emission in two different ways. SYNTHESIZER-AGN, PROSPECTOR-AGN, and PROSPECTORAGN+ use three different models for the AGN emission. This latter variety is particularly important given the diversity of possibilities for AGN SEDs and the importance of capturing this variety in modeling LRDs. The first case, SYNTHESIZERAGN, uses an empirical fixed model SED. PROSPECTOR-AGN+ fits empirical templates obscured by an attenuation law derived specifically for AGNs (see, e.g., Lyu et al. 2017), while PROSPECTOR-AGN uses a declining power law with
the stellar populations, with three varieties for the interstellar extinction law. SYNTHESIZER-AGN and PROSPECTOR-AGN+ treat the stellar-heated dust emission in two different ways. SYNTHESIZER-AGN, PROSPECTOR-AGN, and PROSPECTORAGN+ use three different models for the AGN emission. This latter variety is particularly important given the diversity of possibilities for AGN SEDs and the importance of capturing this variety in modeling LRDs. The first case, SYNTHESIZERAGN, uses an empirical fixed model SED. PROSPECTOR-AGN+ fits empirical templates obscured by an attenuation law derived specifically for AGNs (see, e.g., Lyu et al. 2017), while PROSPECTOR-AGN uses a declining power law with
5. Physical Properties of LRDs
5.1. Galaxy by Galaxy Analysis for the Golden Five LRDs
In this section, we present our analysis of the SEDs of the LRDs detected in several MIRI bands. We concentrate our discussion of properties on the five galaxies detected in F1280W and redder bands, which we call the Golden Five sample. The results are shown in Figures 5-9. We compare the global results of the SED fitting provided by each one of our four different codes in different subsections, and comparatively discuss how they fit the UV, optical, and NIR spectral regions. At the end of the section, we describe the properties for the galaxies detected up to F 1000 W , and we briefly discuss the rest of the sample. A more detailed discussion of all the galaxies in our sample is presented in Appendix C. The main physical properties of all the LRDs are given in Table 2.
5.1.1. Results for the Golden Five Galaxies with SYNTHESIZER-AGN
With SYNTHESIZER-AGN, the rest-frame UV spectral range is fitted with a young stellar population for all the galaxies in the Golden Five sample except for JADES-57356, which is fitted with the QSO component. For this galaxy, the fact that no emission lines are observed in the optical (
The rest-frame optical range of the Golden Five sample is dominated by slightly more evolved stars in all cases, typically of
If we consider the ratio of the attenuation of the FUV with respect the optical emission arising from all the stellar populations included in the SYNTHESIZER-AGN modeling,
Finally, the rest-frame NIR/MIR emission of the Golden Five LRDs is fitted with dust combined with star formation in three Golden Five galaxies, and dust in an AGN torus in the other two. The heating source is indicated by the possible detection of a most probably star formation related
The SYNTHESIZER-AGN code presents the smallest
5.1.2. Results for the Golden Five Galaxies with PROSPECTOR-SF
By construction, PROSPECTOR-SF only considers stars and dust heated by stars to fit the SEDs. In general, the
The PROSPECTOR-SF results imply a
5.1.3. Results for the Golden Five Galaxies with PROSPECTOR-AGN
The main distinct characteristic of the results achieved with PROSPECTOR-AGN for the Golden Five galaxies is the smaller stellar mass. Given that, by construction, this code only fits the rest-frame UV spectral region with stars, and the optical and infrared with AGN templates (including emission from the accretion disk and the torus), the stellar masses are up to a factor of 100 smaller than those estimated with the other codes. In general, better fits in terms of
5.1.4. Results for the Golden Five Galaxies with PROSPECTOR-AGN+
The PROSPECTOR-AGN+ code fits to the SEDs of the Golden Five galaxies are very similar to those outlined for SYNTHE-SIZER-AGN. The rest-frame UV and optical spectral ranges are dominated by stars, except at
Table 2
Physical Properties of LRDs (Complete Version Online)
Physical Properties of LRDs (Complete Version Online)
| ID | Redshift | Code |
|
|
|
Mass-weighted Age (Myr) |
| 42645 | 8.5 | sy-AGN | 9.49 |
|
[0.80, 0.73, 0.56, 0.94] | 3 |
| pr-AGN+ | 8.89 | [1.1, 1.4, 0.3] | [0.02, 0.00, 0.00, 0.05] | 147 | ||
| pr-SF | 7.92 | [1.5, 1.8, 0.7] | [0.00, 0.00, 0.00, 0.00] | 4 | ||
| pr-AGN | 7.86 | [0.0, 0.0, 0.0] | [0.97, 0.22, 0.94, 1.00] | 20 | ||
| 57356 | 5.5 | sy-AGN | 10.38 |
|
[0.01, 0.72, 0.15, 0.00] | 122 |
| pr-AGN+ | 10.03 | [2.0, 3.0, 1.7] | [0.00, 0.00, 0.00, 0.00] | 684 | ||
| pr-SF | 10.20 | [5.0, 6.6, 4.4] | [0.00, 0.00, 0.00, 0.00] | 46 | ||
| pr-AGN | 8.09 | [0.0, 0.0, 0.0] | [0.98, 0.16, 0.91, 1.00] | 131 | ||
| 68544 | 7.2 | sy-AGN | 9.21 |
|
[0.02, 0.03, 0.01, 0.03] | 10 |
| pr-AGN+ | 9.07 | [3.8, 10.4, 2.6] | [0.03, 0.02, 0.03, 0.03] | 117 | ||
| pr-SF | 9.88 | [5.1, 13.9, 7.6] | [0.00, 0.00, 0.00, 0.00] | 8 | ||
| pr-AGN | 7.00 | [0.0, 0.0, 0.0] | [1.00, 0.07, 0.95, 1.00] | 234 | ||
| 70714 | 5.8 | sy-AGN | 8.75 |
|
[0.04, 0.03, 0.01, 0.12] | 2 |
| pr-AGN+ | 8.94 | [2.9, 3.7, 2.1] | [0.92, 0.01, 0.63, 0.94] | 186 | ||
| pr-SF | 10.28 | [6.3, 9.3, 7.1] | [0.00, 0.00, 0.00, 0.00] | 18 | ||
| pr-AGN | 7.13 | [0.0, 0.0, 0.0] | [0.96, 0.01, 0.86, 1.00] | 25 |
Note. Table with physical properties of the sample of galaxies in this paper. Apart from redshift (spectroscopic values given with four decimals), we provide results for each of the four stellar population synthesis codes plus AGN described in Section 4: SYNTHESIZER-AGN (sy-AGN), PROSPECTOR-AGN+ (pr-AGN+), PROSPECTORSF (pr-SF), and PROSPECTOR-AGN (pr-AGN). We quote stellar masses (surviving stars), attenuation of the bolometric, far-ultraviolet (FUV, i.e., 150 nm ), and visual (
A detailed analysis of the SED fits for each galaxy in the Golden Five sample is presented in Appendix C.
5.2. Implications for the Nature of the NIR Emission of the LRDs
Overall, all four models fit the characteristic bimodal SED of the Golden Five LRDs relatively well. Qualitatively, the UVoptical spectral range is dominated either by (1) stars, two young populations with very different attenuations in SYNTHE-SIZER-AGN, or a single population with an extremely gray attenuation in PROSPECTOR-SF and PROSPECTOR-AGN+; or (2) emission from an obscured accretion disk combined with a young stellar population that contributes only in the UV. In the next section, we discuss the implied stellar masses and other stellar properties for the Golden Five and all other LRDs that have very similar UV-to-optical SEDs (see Section 5.3 and Appendix C) probed primarily by the NIRCam bands. However, the Golden Five, and other MIRI-detected subsamples, allow us to probe further into the rest-frame NIR of the LRDs to characterize the origin of the emission in that spectral range.
Our results confirm the flattening of the LRD SEDs in the rest NIR. Previous LRD papers fitting NIRCam-only SEDs with empirical AGN templates (e.g., Kocevski et al. 2023; Barro et al. 2024; Greene et al. 2024) implied that the steep rest-optical slope would continue into the NIR. This trend seemed to be confirmed by the handful of LRDs with MIRI detections up to F770W and F1000W (Akins et al. 2023; Barro et al. 2024). However, as shown in Section 3.1 and also Williams et al. (2023a), the MIRI data at longer wavelengths indicate that LRDs have a flattening in the SED between 1 and
Our four codes fit the NIR spectral range with a combination of the dominant source of UV-optical emission (i.e., stars or an accretion disk) plus a variable contribution from dust emission, either from star formation (SYNTHESIZER-AGN, and PROSPEC-TOR-SF) or from an AGN torus (PROSPECTOR-AGN, and PROSPECTOR-AGN+ depending on the source). The left panel of Figure 10 illustrates this variation showing the rest-frame color-color diagram for the LRDs and some templates and models. The 0.4 -to-
The behavior can be discussed in terms of the color-color behavior in Figure 10. The black horizontal line in the figure shows the flat 1-to-
Figure 10. Rest-frame optical and NIR colors for the LRDs (left, with measured and upper limit fluxes shown with circles and arrows, respectively) and different templates and best-fit models (right). The 0.4 -to-
used in PROSPECTOR-AGN+ (dashed-dotted), and the accretion disk model with declining slope (
Figure 10 illustrates how the modeling codes populate the color-color diagram between the flat (color
The Golden Five galaxies with direct detections beyond restframe
upper/lower triangles show the range in possible colors spanned between the PROSPECTOR-SF and SYNTHESIZERAGN best fits, which feature different amounts of dust emission within the upper limits of the redder MIRI bands. These limits fall within the overall behavior of all the sources in the figure. The broad range overall in Figure 10 highlights the need for deep, LW MIRI data to constrain precisely the amount and heating nature of dust emission in LRDs.
upper/lower triangles show the range in possible colors spanned between the PROSPECTOR-SF and SYNTHESIZERAGN best fits, which feature different amounts of dust emission within the upper limits of the redder MIRI bands. These limits fall within the overall behavior of all the sources in the figure. The broad range overall in Figure 10 highlights the need for deep, LW MIRI data to constrain precisely the amount and heating nature of dust emission in LRDs.
However, we can already see that fitting the colors with a purely AGN-dominated model requires an accretion disk model with declining slope (dashed gray line) and only a small contribution from dust torus emission (thin blue line) to successfully reproduce the bluest 1 -to-
We now discuss the LRDs detected only at shorter wavelengths. Figure 11 and Appendix Figure 17 show the stacked SEDs for the LRDs detected up to F1000W and F770W, which reveal that their SEDs are only well constrained up to rest-frame
Figure 11. SED fitting results for the seven galaxies detected at F1000W and not beyond (i.e., the plot does not include any of the Golden Five galaxies). SEDs are normalized to
than the upper limits of the F770W-only LRDs and thus lead to a stronger flattening of the SED in the
In summary, the exact contribution from dust emission to the NIR SEDs of the LRDs is still poorly constrained by the available MIRI data at LWs. Nonetheless, the constraints point to a certain diversity in the dust emission. This emission is clearly larger than stellar-only SEDs but in many cases lower than prior expectations based on QSO templates. Overall, the main conclusion is that most LRDs could harbor some (relatively large) amount of dust emission, and the heating source must be intense, although not necessarily a dominant obscured AGN.
5.3. Physical Properties of the LRDs Detected in the Bluest MIRI Bands
All other LRDs in our sample detected up to F1000W, apart from the Golden Five, are shown jointly in the SED plots provided in Figure 11. In the same way, the SED fits for all F770W detections not included in any previous SED plot, as well as all sources not detected by MIRI, are shown and
discussed in Appendix C. Physical properties derived from each code for individual galaxies as well as statistical properties obtained for the whole sample and subsamples are given in Tables 2 and 3.
discussed in Appendix C. Physical properties derived from each code for individual galaxies as well as statistical properties obtained for the whole sample and subsamples are given in Tables 2 and 3.
Overall, the properties of those samples with fewer MIRI points in their SEDs are similar to the Golden Five galaxies; the clearest difference is that some blue and/or very flat SED sources start to enter the selection. These are selected due to a very strong F444W emission probably linked to a high-EW emission line, but the slope of the SED is not very different in the rest of the SW and LW filters, with a quite flat slope (or even blue, as in the case of JADES-187025).
Even though the dust emission spectral region is not fully probed for the
Table 3
Statistical Properties of LRDs
Statistical Properties of LRDs
| Sample (
|
Redshift | Code |
|
|
|
Mass-weighted Age (Myr) |
| Full sample (31) | 6.95 .7 | sy-AGN | 9.49 .1 |
|
|
|
| pr-AGN+ |
|
|
|
|||
| pr-SF |
|
|
|
|||
| pr-AGN |
|
|
|
|
||
| Golden Five (5) |
|
sy-AGN |
|
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| F1000W (7) |
|
sy-AGN | 9.29 .5 |
|
|
|
| pr-AGN+ | 9.19 .9 |
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| F770W (7) |
|
sy-AGN | 9.49 .6 |
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
||
| no-MIRI (12) |
|
sy-AGN | 9.49 .7 |
|
|
|
| pr-AGN+ |
|
|
|
|
||
| pr-SF |
|
|
|
|
||
| pr-AGN |
|
|
|
|
Note. Table with statistical physical properties of the sample of galaxies in this paper. We provide medians and quartiles for the physical properties mentioned in Table 2 for the whole sample and the subsamples defined based on the detection in different MIRI bands.
subsamples compared to those obtained for the Golden Five galaxies. There are, however, some observational trends, which translate to differences in physical properties.
subsamples compared to those obtained for the Golden Five galaxies. There are, however, some observational trends, which translate to differences in physical properties.
First, the Golden Five galaxies are brighter than the rest of the sources in the full sample (see Figure 1). The median and quartiles for F 444 W are
Looking at the rest-frame colors and stacked SEDs in Figures 10 and 11, we find that the F1000W sample has also redder 0.4 -to
previous section indicate that the colors relative to rest
previous section indicate that the colors relative to rest
The overall colors of the LRDs range from 0.25-to
(JADES-210600, JADES-214552, and JADES-217926) and F770W sample (JADES-187025 and JADES-197348).
(JADES-210600, JADES-214552, and JADES-217926) and F770W sample (JADES-187025 and JADES-197348).
Based on the previous observational differences, our modeling of the SEDs provides some trends also in physical properties. The Golden Five galaxies lie at smaller redshifts than the rest of sources, median values
The stellar masses of the Golden Five galaxies are 0.2-0.4 dex larger than those of the other subsamples, with values around
We conclude that sources detected only in the bluest MIRI filters are not just fainter (less massive) versions of the Golden Five galaxies, lying at higher redshifts. Indeed, there are also other differences in physical properties (deriving from differences in SEDs), which point to larger attenuations. If the fainter MIRI sources present larger attenuations, but still are not detected by MIRI at the longest wavelengths, the interpretation would be that the host dust emission is not enhanced compared to the Golden Five galaxies, which would lead to a dominant role of dust-enshrouded star formation rather than obscured nuclear activity for a significant fraction of these subpopulations.
5.4. Statistical Stellar and AGN Properties of LRDs
In this section, we discuss the general properties of our sample of LRDs. Figure 12 shows the distributions of stellar mass, bolometric luminosity, mass-weighted age, and bolometric stellar light attenuation. All statistical information is summarized in Table 3.
The typical stellar mass of LRDs is
Larger masses are obtained by PROSPECTOR-SF,
that LRDs are experiencing a very intense episode of star formation extending for nearly 10 Myr and with a very compact size. The burst would be in part heavily dust enshrouded, with some younger stars having cleared the interstellar medium (ISM) and being directly observable through much smaller dust optical paths. The young ages are expected for starbursts with strong emission lines (as present in some of our galaxies), with large amounts of dust (confirmed for a significant fraction of the whole sample), and with gas also feeding an SMBH. SYNTHESIZER-SF provides a similar average SFH , extended almost at a constant level up to approximately 10 Myr , and decaying afterwards. However, the first age bin considered by SYNTHESIZER-SF encompasses the two bursts obtained by SYNTHESIZER-AGN, the former adding more mass in ages around 10 Myr (with a large scatter, shown by the shaded region in Figure 13).
that LRDs are experiencing a very intense episode of star formation extending for nearly 10 Myr and with a very compact size. The burst would be in part heavily dust enshrouded, with some younger stars having cleared the interstellar medium (ISM) and being directly observable through much smaller dust optical paths. The young ages are expected for starbursts with strong emission lines (as present in some of our galaxies), with large amounts of dust (confirmed for a significant fraction of the whole sample), and with gas also feeding an SMBH. SYNTHESIZER-SF provides a similar average SFH , extended almost at a constant level up to approximately 10 Myr , and decaying afterwards. However, the first age bin considered by SYNTHESIZER-SF encompasses the two bursts obtained by SYNTHESIZER-AGN, the former adding more mass in ages around 10 Myr (with a large scatter, shown by the shaded region in Figure 13).
Coming back to stellar content, even smaller masses compared to SYNTHESIZER-AGN are obtained by PROSPEC-TOR-AGN,
We conclude that the PROSPECTOR-AGN stellar masses should be considered lower limits, since they assume little contribution of stellar light to the optical spectral range. SYNTHESIZER-AGN and PROSPECTOR-AGN+ typically obtain fits for which the optical emission is dominated by stars; hence, the stellar mass estimates they obtain should be interpreted as more realistic or upper limits. The differences in stellar masses derived with SYNTHESIZER-AGN and PROSPECTOR-SF exemplify the effect of the SFH, which is relatively important (
The bolometric luminosities (including dust-absorbed energy) vary by a factor of 10 between the PROSPECTOR-SF and PROSPECTOR-AGN runs, while SYNTHESIZER-AGN lie in between, with a typical value of
Finally, the bottom right panel of Figure 12 shows the total attenuation of the stellar light in LRDs. All codes are consistent in assigning large dust content to this type of galaxy, with attenuation around
The relative importance of the AGN and stellar components in LRDs is presented in Figure 14. Here, we show the fraction of the total luminosity coming from the AGN and integrated in several spectral ranges. We show bolometric, UV (integrated up to
Figure 12. Statistical stellar properties of LRDs, according to the four SED-fitting codes described in Section 4. From top to bottom, left to right, we show stellar masses, bolometric luminosities (obtained by integrating the stellar emission correcting for the effects of dust attenuation), mass-weighted ages, and bolometric stellar luminosity attenuation. Medians and quartiles are shown for each distribution. For the results provided by SYNTHESIZER-AGN, we separate statistics for the young and old stellar populations (marked as you and old) as well as the integrated values.
Figure 13. Average SFHs of LRDs according to the fitting codes presented in Section 4. Averages and scatter are shown as lines and shaded regions.
since PROSPECTOR-SF does not consider any AGN contribution (although the dust models imply intense radiation fields, which could be easily identified with an AGN).
For SYNTHESIZER-AGN, the bolometric luminosity of most of the sample is dominated by stars, with only
sources presenting AGN luminosity fractions larger than
sources presenting AGN luminosity fractions larger than
More consistent results are found for the UV luminosity fraction identified with an AGN. All codes agree that the UV spectral region of LRDs is best reproduced by a young stellar population with varying but low dust content and relatively young ages (
A similar behavior is observed in the optical, where both SYNTHESIZER-AGN and PROSPECTOR-AGN+ find that the emission is dominated by stars in most (
Figure 14. Histograms of the fraction of integrated luminosity coming from an AGN , according to the SED fits presented in Section 4. On the top left, we show results for the bolometric luminosity. On the top right, for the UV luminosity, integrated up to
The a priori assumption of PROSPECTOR-AGN is that the AGN dominates the IR spectral region and results in the optical also being dominated by the nuclear activity for most sources; consequently, as we mentioned, the estimated stellar masses are considerably smaller than the values obtained by the other codes.
Finally, the bottom right panel of Figure 14 shows the fraction of the IR (dust) luminosity linked to the AGN. PROSPECTOR-AGN+ and SYNTHESIZER-AGN show opposite distributions, but two facts must be taken into account to interpret this behavior. First, as mentioned earlier, PROSPEC-TOR-AGN+ fits upper limits as regular flux points. Those upper limits increase with a slope similar to what can be expected for an AGN torus. Second, the dust emission fits provided by SYNTHESIZER-AGN imply very intense radiation fields in dense, compact hot spots, whose properties would be indistinguishable between OB associations or an AGN (see discussion on Figure 5 and Appendix B).
5.5. Spectroscopic Properties of LRDs Found in the Literature
Apart from JADES-204851, which has broad
identified with a broad-line AGN (Maiolino et al. 2024). Its spectrum shows a
identified with a broad-line AGN (Maiolino et al. 2024). Its spectrum shows a
6. Summary and Conclusions
We characterize the nature of LRDs in the JADES field by analyzing their SEDs including the MIR fluxes provided by the
SMILES program for all MIRI broadband filters. These data probe the rest-frame NIR and MIR where stellar emission and/or obscured AGN emission peak. After removing brown dwarfs, which contaminate our sample at the
We find that the observed MIRI colors of the LRDs, in combination with the reddest NIRCam bands, are bluer than the typical obscured QSO templates, which are dominated by the torus warm/hot-dust emission at
We modeled the rest-frame ultraviolet to MIR SEDs with a battery of codes that include AGN and stellar emission templates. The various outputs allow us to identify the best fits to the distinctive SW blue plus LW red colors of LRDs under a range of assumptions. They also let us examine which of our conclusions are the most robust (e.g., are reflected by a number of the modeling techniques).
In general, stellar-dominated models obtain a better agreement to the NIR at
In the rest-frame NIR, we find that the LRDs detected in the reddest MIRI bands, beyond rest wavelengths
Given that the rest-frame UV/optical spectral range is dominated by stars, we estimate stellar masses. The modeling of the stellar emission must consider the large attenuations implied by the red NIRCam LW colors and MIRI fluxes and the need for two distinct (in terms of age) stellar populations, with differential attenuation levels or an extremely gray attenuation law, to account for the blue/flat NIRCam-SW emission as well as the presence of emission lines. With this in mind, we obtain typical stellar masses for LRDs around
obtained with simple recipes for the SFH (e.g., single exponential burst) and attenuation law (e.g., single Calzetti law, as noted by Barro et al. 2024). This mass estimate can be biased due to uncertainties in the SFH at the 0.5 dex level (overestimated, if, for example, the stellar emission only contributes significantly to the ultraviolet emission), and can be affected by a possible (but less favored by most of our models) significant contribution of an AGN to the optical and NIR spectral range at the 1.5 dex level.
obtained with simple recipes for the SFH (e.g., single exponential burst) and attenuation law (e.g., single Calzetti law, as noted by Barro et al. 2024). This mass estimate can be biased due to uncertainties in the SFH at the 0.5 dex level (overestimated, if, for example, the stellar emission only contributes significantly to the ultraviolet emission), and can be affected by a possible (but less favored by most of our models) significant contribution of an AGN to the optical and NIR spectral range at the 1.5 dex level.
Very young stellar ages (typically around 10 Myr or younger) are supported by high equivalent width lines seen in some LRDs (with spectroscopic and imaging data), and the presence of large amounts of dust, which is a common feature of all models for the full sample, and can be expected for gasrich, quickly enriched dense starbursts with large amounts of OB stars (affected by the IMF). However, despite the presence of large amounts of dust, LRDs are characterized by a relatively blue emission at wavelengths
Acknowledgments
We thank the referee for the constructive comments to our original manuscript. P.G.P.-G. acknowledges support from grant PID2022-139567NB-I00 funded by Spanish Ministerio de Ciencia e Innovación MCIN/AEI/10.13039/501100011033, FEDER Una manera de hacer Europa. This work was supported by NASA grants NNX13AD82G and 1255094. The work was also supported by NIRCam Development Contract NAS5-02105 from NASA Goddard Space Flight Center to the University of Arizona. This work is based on observations made with the NASA/ESA/CSA James Webb Space Telescope. The data were obtained from the Mikulski Archive for Space Telescopes at the Space Telescope Science Institute, which is operated by the Association of Universities for Research in Astronomy, Inc., under NASA contract NAS 5-03127 for JWST. These observations are associated with program No. 1207. D.P. acknowledges support by the Huo Family Foundation through a P.C. Ho PhD Studentship. B.E.R. acknowledges support from the NIRCam Science Team contract to the University of Arizona, NAS5-02015, and JWST Program 3215. A.J.B. acknowledges funding from the “FirstGalaxies” Advanced Grant from the European Research Council (ERC) under the European Union’s Horizon 2020 research and innovation program (grant agreement No. 789056).
Facilities: JWST (NIRCam), JWST (MIRI), HST (ACS), HST (WFC3). All the JWST data used in this paper can be found in MAST, doi:10.17909/jmxm-1695 and 10.17909/ 8tdj-8n28.
Software: astropy (Astropy Collaboration et al. 2013, 2018), Cloudy (Ferland et al. 2013), PROSPECTOR (Leja et al. 2017, 2019; Johnson et al. 2021), synthesizer (PérezGonzález et al. 2003, 2008).
Appendix A
Bespoke Procedures for the Reduction of MIRI Data: the SMILES Case
The MIRI data used in this paper were reduced with the Rainbow JWST pipeline developed within the European Consortium MIRI GTO Team to deal with MIRI, NIRCam, and NIRISS imaging data. The pipeline relies on the jwst official pipeline and adds some offline steps to improve the results, mainly dealing with the varying, full-of-structure background observed in MIRI data, especially at the shortest wavelengths.
The Rainbow pipeline starts with a default execution of the three stages of the jwst official pipeline, which provides a first full mosaic, now also dealing (to some extent, but not completely) with cosmic ray showers (or snow balls for NIRCam). This mosaic is used to detect sources with sextractor in order to produce a mask for further refinements of the calibration. We use a relatively shallow detection limit since the mosaic presents intense background gradients and structure, indicating that a deep detection would be dominated by background, not real sources. Apart from the sextractor detection, we performed a 5 pixel dilation of the segmentation maps to account for the faint outskirts of extended objects, also including the emission from PSF spikes and the cruciform feature of SW MIRI data (Gáspár et al. 2021).
After masking sources from the previous task, stage 2 data (i.e., cal.fits files) are median filtered in rows and columns, and a smooth four-order surface is subtracted. The new calibrated data products are again mosaicked with the official pipeline. This new mosaic presents a much more well-behaved background and allows a more aggressive source detection. The new mask is used in a final step of the Rainbow pipeline, which implements a superbackground strategy to obtain the best results.
The superbackground strategy consists in homogenizing the background of a given stage 2 image using all the other images taken in the same program. For programs extending over several epochs and with enough data, PRIMER for example, we use the closest data in time. We first subtract the median of the background (after masking sources detected in the previous step) for each image. Then, for each frame to reduce, we build a stacked median background image with the rest of images. If not enough data are available for a given pixel, i.e., when very few images are available and the dithering is small compared to the size of (some) objects in the field, we replace the pixel value by a random nearby background pixel chosen from the 100 closest nonmasked pixels. The stacked median superbackground image is subtracted from the frame we are considering, and the filtering in rows and columns is performed, as well as the subtraction of a smooth surface.
The astrometry of the new background-homogenized cal.fits files is calibrated with the tweakreg external routine provided by the CEERS collaboration (Bagley et al. 2023), using an external catalog constructed with IRAF’s center task in centroid mode (which was checked to perform better than photutils), using in the SMILES case the JADES catalog as the World Coordinate System (WCS) reference. Then, stage 3 of the pipeline is executed, switching off the tweakreg step and setting the pixel scale to 60 mas in the case of MIRI data. The WCS solution of the final mosaic is checked again against the WCS reference catalog, and a final background subtraction is performed with sextractor.
The procedure is evaluated in Figure 15, where we compare the histograms of the pixel signal for the final mosaic of the F1500W filter reduced just with the jwst pipeline (after subtracting the median value of the full image) and that reduced with our superbackground method. The histograms are fitted to a Gaussian, showing that our procedure is able to reduce the noise by a factor of
Table 4 provides the observation strategy, total exposure times per pixel, average background levels, and depths of the SMILES data reduced with the Rainbow JWST pipeline, compared with ETC predictions.
Figure 15. Histogram of pixel values (transformed to
Table 4
| Filter (1) | NGROUP (2) | NINT (3) | NDITHER (4) | Texp (s) (5) | Background (ETC) (
|
FWHM (7) |
|
Ap.corr (AB mag) (9) |
| F560W | 59 | 1 | 4 | 720 | 1.3 (1.0) | 0!” 21 | 26.0 (25.4) | 0.73 |
| F770W | 78 | 1 | 4 | 923 | 4.5 (5.6) | 0 ” 27 | 25.5 (24.9) | 0.64 |
| F1000W | 58 | 1 | 4 | 665 | 13 (15) | 0 ” 33 | 24.8 (24.2) | 0.53 |
| F1280W | 68 | 1 | 4 | 755 | 25 (31) |
|
24.3 (23.6) | 0.50 |
| F1500W | 101 | 1 | 4 | 1121 | 43 (49) | 0.149 | 24.2 (23.5) | 0.49 |
| F1800W | 68 | 1 | 4 | 755 | 93 (97) | 0 ” 59 | 23.0 (22.6) | 0.46 |
| F2100W | 32 | 6 | 4 | 2186 | 233 (200) |
|
22.6 (22.6) | 0.49 |
| F2550W | 18 | 4 | 4 | 832 | 876 (755) |
|
20.8 (20.8) | 0.48 |
Note. Columns: (1) MIRI filter. (2)-(4) Observational strategy in the SMILES survey: number of groups, number of integrations, number of dithering positions. (5) Exposure time per pixel (s). (6) Average background measured in the data. In parenthesis, the ETC v3.0 predictions for 2022 December 7 are given. Units (
Appendix B Dust Emission Modeling
In this Appendix, we describe in detail the dust emission models used in this paper. Different recipes and emission origins are considered by the four codes described in Section 4. The main characteristics of our dust emission templates are summarized in Figure 16.
The SYNTHESIZER-AGN code uses the radiative transfer models of starburst nuclei and (ultra)LIRGs presented in Siebenmorgen & Krügel (2007). These models assume an intense star formation event (on top of a more evolved stellar population) where a fraction of the most massive (OB) stars are embedded in compact dusty clouds (hot spots in their terminology) that dominate the MIR emission. The models are parameterized in terms of the total radiated luminosity (ranging from sub-LIRG to hyper-LIRG values), the size of the
star-forming region, the total amount of dust described by the total
star-forming region, the total amount of dust described by the total
In Figure 16, we show models for a
We remark that these radiative transfer models nicely recover the blue+red nature of the UV-to-NIR emission of LRDs. The change in slope of the stellar UV and optical emission is governed by the OB luminosity ratio, i.e., cyan models (OB90) change in slope at longer wavelengths, around
Figure 16. Dust emission models used in the analysis of LRDs presented in this paper. Five different models from Nenkova et al. (2008) used by PROSPECTOR-AGN are shown in red colors, showcasing the shift to shorter wavelengths (from
warm dust. The attenuation of the FUV emission in these compact starburst models is, however, steeper than what is observed for our galaxies. All Siebenmorgen & Krügel (2007) models, which assume Milky Way-type dust, present more or less prominent PAH bands. The typical MIR to far-IR flux density ratio is nearly 1000 , which means that some of our galaxies, which present MIRI SW fluxes around
The MIR slopes of the Siebenmorgen & Krügel (2007) models are very similar to the slopes of AGN torus emission presented in Nenkova et al. (2008), which are used in our PROSPECTOR-AGN fits. Nenkova et al. (2008) parameterizes the emission from clumpy dust tori in terms of the number of clouds intercepting the visual, which depend on other parameters such as the torus thickness (outer to inner radii), the density and angular distribution of clumps, and the viewing angle. The subset of templates included in FSPS and then Prospector adopts typical assumptions for the majority of these parameters (see, e.g., Leja et al. 2018) leaving only the scaling (overall luminosity) and the optical depth of an individual dust clump at
(especially relevant for our observations, the one at
(especially relevant for our observations, the one at
For reference, Figure 16 also shows the torus (also used in our SYNTHESIZER and PROSPECTOR-AGN+ fits) and QSO template presented in Polletta et al. (2007), the latter additionally attenuated with a Calzetti et al. (2000) law assuming
The AGN SED models used in PROSPECTOR-AGN+ are largely based on empirical observations with the AGN emission strength calibrated against various observations. For example, the AGN hot-dust emission predicted from the SED template is confirmed with NIR image decomposition of HST observations of low-z quasars (Lyu et al. 2017). The AGN MIR to far-IR SED shape is checked against MIR spectral decomposition and PAH strengths (e.g., Lyu & Rieke 2017). Compared to radiation transfer models, these empirical SED models can provide more realistic descriptions of the observations across a very wide range of AGN luminosity and redshift with fewer free parameters and less model degeneracy, which make them particularly preferred for AGN identifications (see review by Lyu & Rieke 2022a). The galaxy dust emission template used in PROSPECTOR-AGN+ is based on an empirical SED template of Haro 11, which has been also tested against real observations of very high-z galaxies (Lyu et al. 2016; De Rossi et al. 2018). In contrast, the other galaxy dust emission models used in other works typically do not capture some key features of high-
We have normalized all models at
Appendix C
SED Fits for the Full LRD Sample in the SMILES/JADES Field
In this Appendix, we present a detailed discussion of the SEDs of the Golden Five galaxies (shown in Figures 5-9) and the rest of galaxies in our LRD sample.
C.1. Galaxies Detected up to F1800W: JADES-57356 and JADES-204851
Figures 5 and 6 showed the fits for JADES-57356 and JADES-204851, the 2 LRDs in our sample detected up to (at least)
JADES-57356 is a canonical LRD, presenting a change in slope in its SED at around
The SED fit with SYNTHESIZER-AGN uses two stellar populations (with independent attenuations), one with a young ( 60 Myr ) and mildly unobscured (
PROSPECTOR-AGN uses a similarly young ( 130 Myr ) stellar component for the UV emission and AGN emission from a dustobscured accretion disk for the optical. PROSPECTOR-SF, on the other hand, uses only stars to reproduce the SED up to the optical and redder wavelengths, as also obtains PROSPECTORAGN+. However, PROSPECTOR-SF requires an unusual, extremely gray attenuation law (
We also remark that SYNTHESIZER-AGN does use a Calzetti law but assumes independent extinctions for the two stellar populations in the host, and also for the AGN, which allows a
good fit to the data for JADES-57356. PROSPECTOR-AGN+ does not require a two-component fit but it allows for hybrid AGN+galaxy models, which can sometimes fit the SED with two distinct components, each dominating a different spectral range, but can also fit the whole SED with only one of those components. This is the case for JADES-57356, which, as noted above, exhibits a similar best-fit model to the prospectorSF model for the UV-to-NIR region.
Overall, all four models provide good fits to the UV-to-NIR SED, with some differences. The three stellar-dominated models suggest a relatively large stellar mass,
While all the models obtain similarly good UV-to-NIR fits, they differ substantially in the MIR emission, where the SED shows a clear flattening beyond
This Siebenmorgen & Krügel (2007) model points to the existence of very hot dust bathed by a very intense radiation field, coming from dust-buried OB stars (the total attenuation of stellar light in the models ranges from 2 to 4.5 mag ), as indicated by the SYNTHESIZER-AGN and PROSPECTOR-AGN+ fits. Such an intense and compact heating source also matches well what can be expected from an AGN, which in principle could contribute to some extent to the MIR emission. Indeed, SYNTHESIZER-AGN and PROSPECTOR-AGN+ do show some contribution, although faint and thus uncertain, from an AGN.
However, PROSPECTOR-AGN, the only code that is forced to be AGN dominated in this spectral range, provides a worse fit to the MIRI bands because the transition from disk-dominated to torus-dominated emission around
In summary, for this source, the fit to the dust emission presents a smaller
stars are relatively old, and that could intuitively imply that they are not so obscured, or the evolved state of the galaxy gives time for the SMBH to grow), but the fits are significantly worse.
stars are relatively old, and that could intuitively imply that they are not so obscured, or the evolved state of the galaxy gives time for the SMBH to grow), but the fits are significantly worse.
JADES-204851, whose SED and postage stamps are shown in Figure 6, is a source with spectroscopic redshift
In our SYNTHESIZER-AGN fits for JADES-204851 (top left panel of Figure 6), the AGN emits around
The PROSPECTOR-AGN+ results are very similar to those obtained with SYNTHESIZER-AGN in the rest-frame optical and NIR: the SED is dominated by stars and dust heated by stars. However, PROSPECTOR-AGN+ reproduces the UV part of the SED with stars alone, while some contribution from a (unobscured) QSO is obtained with SYNTHESIZER-AGN, mainly due to the possible presence of a MgII line at observed wavelength
The PROSPECTOR-SF also provides a qualitatively good fit with a single stellar component and a modest
The PROSPECTOR-AGN fit also provides a good overall fit of the NIRCam and MIRI photometry, using stars for the UV and an AGN for the optical/IR (as in the LRD characterized in Killi et al. 2023). In this galaxy, which exhibits significantly bluer MIRI colors than JADES-57356, the obscured emission from the disk (
In any case, the different morphology seen in F814W compared to the LW NIRCam bands, with the emission in the former being dominated by a knot located to the NW of the very concentrated (and very red) emission seen in the latter, points to star formation dominating the UV spectral range. This morphological difference between the rest-frame UV and NIR is also seen in other LRDs, for example, JADES-211388 or JADES-79803, discussed later.
C.2. Galaxy Detected up to F1500W: JADES-219000
Figure 7 discussed the results for JADES-219000, the third LRD in our sample detected up to
The PROSPECTOR-SF fit is also relatively good with similar best-fit values as the other galaxies, i.e., a young stellar population, with a small and very gray attenuation (
C.3. Galaxies Detected up to F1280W: JADES-211388 and JADES-79803
Figure 8 showed the SED fits for JADES-211388, a spectroscopically confirmed LRD at
The SYNTHESIZER-AGN best fit indicates that the SED is dominated by young ( 3 Myr ), slightly extincted (
The obscured AGN template is very similar to the best-fit model with PROSPECTOR-AGN+ and resembles the AGNdominated fits in the NIR of Labbé et al. (2023a) or Barro et al. (2024), but with significant contribution from stars up to restframe wavelength
The PROSPECTOR-SF best-fit parameters are almost identical to the previous galaxies with a young stellar population obscured with a mild but gray dust attenuation
PROSPECTOR-AGN also provides a good fit to the optical-toNIR SED, but it has some issues fitting the sharp Lyman break indicated by the blue NIRCam bands (we remind the reader that the attenuation is fixed to 0 mag in these models). The best-fit properties are again consistent with a young, lowmass galaxy host
Finally, Figure 9 shows the SED fits for JADES-79803, another spectroscopically confirmed LRD, this time at
The PROSPECTOR-AGN+ also reproduces the SED with a similarly young stellar population and an obscured AGN dominating the NIR to MIR emission.
The PROSPECTOR-SF best fit continues on the same trends as before, but it provides a worse fit to the reddest MIRI bands whose steep rise cannot be easily reproduced with emission from star formation heated dust.
PROSPECTOR-AGN provides a good overall fit, the best among all codes for this source, with the same trends in previous galaxies (low-mass host and obscured disk dominating the optical emission). In this case, the additional MIRI constraints motivate a fit with a larger contribution of the torus emission to the IR emission starting around
C.4. Galaxies Detected up to F770W and with No MIRI Detections
Figures 17 and 18 show the SED fits for all F770W-detected sources not presented in the main text and the source with no detection in any MIRI band, respectively. Results for the four fitting codes described in Section 4 are provided.
The F770W sample shown in Figure 17 presents more heterogeneous SEDs than the Golden Five or F1000W samples discussed in Section 4. The global slope of the SED is more constant, with the difference between the SW and LW bands being less marked than for the other LRDs. In fact, this sample includes a very blue galaxy (
Figure 18 shows a similar result for MIRI undetected sources, the available data (limited to NIRCam) is well fitted by stars only. The upper limits for MIRI would be consistent with hot-dust emission from an AGN torus, but the current data are inconclusive.
Considering the full sample of 31 sources, the median/quartiles
Figure 17. SED fitting results for the seven galaxies detected at F770W and not beyond (i.e., the plot does not include any of the Golden Five or F1000W galaxies discussed in the main text). SEDs are normalized to
Figure 18. SED fitting results for the 12 galaxies not detected in any MIRI band. Same format as previous figure.
ORCID iDs
Pablo G. Pérez-González © https://orcid.org/0000-0003-4528-5639
Guillermo Barro © https://orcid.org/0000-0001-6813-875X
George H. Rieke © https://orcid.org/0000-0003-2303-6519
Jianwei Lyu © https://orcid.org/0000-0002-6221-1829
Marcia Rieke (10) https://orcid.org/0000-0002-7893-6170
Stacey Alberts © https://orcid.org/0000-0002-8909-8782
Christina C. Williams © https://orcid.org/0000-0003-2919-7495
Kevin Hainline © https://orcid.org/0000-0003-4565-8239
Fengwu Sun © https://orcid.org/0000-0002-4622-6617
Dávid Puskás © https://orcid.org/0000-0001-8630-2031
Marianna Annunziatella © https://orcid.org/0000-0002-8053-8040
William M. Baker © https://orcid.org/0000-0003-0215-1104
Andrew J. Bunker © https://orcid.org/0000-0002-8651-9879
Eiichi Egami © https://orcid.org/0000-0003-1344-9475
Zhiyuan Ji (D) https://orcid.org/0000-0001-7673-2257
Benjamin D. Johnson © https://orcid.org/0000-0002-9280-7594
Brant Robertson © https://orcid.org/0000-0002-4271-0364
Bruno Rodríguez Del Pino © https://orcid.org/0000-0001-5171-3930
Wiphu Rujopakarn © https://orcid.org/0000-0002-0303-499X
Irene Shivaei © https://orcid.org/0000-0003-4702-7561
Sandro Tacchella © https://orcid.org/0000-0002-8224-4505
Christopher N. A. Willmer © https://orcid.org/0000-0001-9262-9997
Chris Willott © https://orcid.org/0000-0002-4201-7367
Guillermo Barro © https://orcid.org/0000-0001-6813-875X
George H. Rieke © https://orcid.org/0000-0003-2303-6519
Jianwei Lyu © https://orcid.org/0000-0002-6221-1829
Marcia Rieke (10) https://orcid.org/0000-0002-7893-6170
Stacey Alberts © https://orcid.org/0000-0002-8909-8782
Christina C. Williams © https://orcid.org/0000-0003-2919-7495
Kevin Hainline © https://orcid.org/0000-0003-4565-8239
Fengwu Sun © https://orcid.org/0000-0002-4622-6617
Dávid Puskás © https://orcid.org/0000-0001-8630-2031
Marianna Annunziatella © https://orcid.org/0000-0002-8053-8040
William M. Baker © https://orcid.org/0000-0003-0215-1104
Andrew J. Bunker © https://orcid.org/0000-0002-8651-9879
Eiichi Egami © https://orcid.org/0000-0003-1344-9475
Zhiyuan Ji (D) https://orcid.org/0000-0001-7673-2257
Benjamin D. Johnson © https://orcid.org/0000-0002-9280-7594
Brant Robertson © https://orcid.org/0000-0002-4271-0364
Bruno Rodríguez Del Pino © https://orcid.org/0000-0001-5171-3930
Wiphu Rujopakarn © https://orcid.org/0000-0002-0303-499X
Irene Shivaei © https://orcid.org/0000-0003-4702-7561
Sandro Tacchella © https://orcid.org/0000-0002-8224-4505
Christopher N. A. Willmer © https://orcid.org/0000-0001-9262-9997
Chris Willott © https://orcid.org/0000-0002-4201-7367
References
Akins, H. B., Casey, C. M., Allen, N., et al. 2023, ApJ, 956, 61
Álvarez-Márquez, J., Crespo Gómez, A., Colina, L., et al. 2023, A&A, 671, A105
Astropy Collaboration, Price-Whelan, A. M., Sipőcz, B. M., et al. 2018, AJ, 156, 123
Astropy Collaboration, Robitaille, T. P., Tollerud, E. J., et al. 2013, A&A, 558, A33
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Barro, G., Pérez-González, P. G., Cava, A., et al. 2019, ApJS, 243, 22
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Barrufet, L., Oesch, P. A., Weibel, A., et al. 2023, MNRAS, 522, 449
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Bogdán, Á., Goulding, A. D., Natarajan, P., et al. 2024, NatAs, 8, 126
Bosman, S. E. I., Álvarez-Márquez, J., Colina, L., et al. 2023, arXiv:2307. 14414
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Brammer, G. B., Whitaker, K. E., van Dokkum, P. G., et al. 2011, ApJ, 739, 24
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Cameron, A. J., Curtis-Lake, E., et al. 2023, arXiv:2306.02467
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Byler, N., Dalcanton, J. J., Conroy, C., & Johnson, B. D. 2017, ApJ, 840, 44
Calzetti, D., Armus, L., Bohlin, R. C., et al. 2000, ApJ, 533, 682
Chabrier, G. 2003, PASP, 115, 763
Charlot, S., & Fall, S. M. 2000, ApJ, 539, 718
Choi, J., Dotter, A., Conroy, C., et al. 2016, ApJ, 823, 102
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
De Rossi, M. E., Rieke, G. H., Shivaei, I., Bromm, V., & Lyu, J. 2018, ApJ, 869, 4
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Desprez, G., Martis, N. S., Asada, Y., et al. 2024, MNRAS, 530, 2935
Díaz-Santos, T., Assef, R. J., Eisenhardt, P. R. M., et al. 2021, A&A, 654, A37
Draine, B. T., & Li, A. 2007, ApJ, 657, 810
Álvarez-Márquez, J., Crespo Gómez, A., Colina, L., et al. 2023, A&A, 671, A105
Astropy Collaboration, Price-Whelan, A. M., Sipőcz, B. M., et al. 2018, AJ, 156, 123
Astropy Collaboration, Robitaille, T. P., Tollerud, E. J., et al. 2013, A&A, 558, A33
Bagley, M. B., Finkelstein, S. L., Koekemoer, A. M., et al. 2023, ApJL, 946, L12
Barro, G., Pérez-González, P. G., Cava, A., et al. 2019, ApJS, 243, 22
Barro, G., Perez-Gonzalez, P. G., Kocevski, D. D., et al. 2024, ApJ, 963, 128
Barrufet, L., Oesch, P. A., Weibel, A., et al. 2023, MNRAS, 522, 449
Bisigello, L., Gandolfi, G., Grazian, A., et al. 2023, A&A, 676, A76
Bogdán, Á., Goulding, A. D., Natarajan, P., et al. 2024, NatAs, 8, 126
Bosman, S. E. I., Álvarez-Márquez, J., Colina, L., et al. 2023, arXiv:2307. 14414
Boylan-Kolchin, M. 2023, NatAs, 7, 731
Brammer, G. B., van Dokkum, P. G., & Coppi, P. 2008, ApJ, 686, 1503
Brammer, G. B., Whitaker, K. E., van Dokkum, P. G., et al. 2011, ApJ, 739, 24
Bruzual, G., & Charlot, S. 2003, MNRAS, 344, 1000
Bunker, A. J., Cameron, A. J., Curtis-Lake, E., et al. 2023, arXiv:2306.02467
Burgasser, A. J., Gerasimov, R., Bezanson, R., et al. 2024, ApJ, 962, 177
Byler, N., Dalcanton, J. J., Conroy, C., & Johnson, B. D. 2017, ApJ, 840, 44
Calzetti, D., Armus, L., Bohlin, R. C., et al. 2000, ApJ, 533, 682
Chabrier, G. 2003, PASP, 115, 763
Charlot, S., & Fall, S. M. 2000, ApJ, 539, 718
Choi, J., Dotter, A., Conroy, C., et al. 2016, ApJ, 823, 102
Conroy, C., & Gunn, J. E. 2010, ApJ, 712, 833
Conroy, C., Gunn, J. E., & White, M. 2009, ApJ, 699, 486
De Rossi, M. E., Rieke, G. H., Shivaei, I., Bromm, V., & Lyu, J. 2018, ApJ, 869, 4
Dekel, A., Sarkar, K. C., Birnboim, Y., Mandelker, N., & Li, Z. 2023, MNRAS, 523, 3201
Desprez, G., Martis, N. S., Asada, Y., et al. 2024, MNRAS, 530, 2935
Díaz-Santos, T., Assef, R. J., Eisenhardt, P. R. M., et al. 2021, A&A, 654, A37
Draine, B. T., & Li, A. 2007, ApJ, 657, 810
Eisenstein, D. J., Johnson, B. D., Robertson, B., et al. 2023a, arXiv:2310. 12340
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Elvis, M., Wilkes, B. J., McDowell, J. C., et al. 1994, ApJS, 95, 1
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
Ferland, G. J., Korista, K. T., Verner, D. A., et al. 1998, PASP, 110, 761
Ferland, G. J., Porter, R. L., van Hoof, P. A. M., et al. 2013, RMxAA, 49, 137
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Furtak, L. J., Shuntov, M., Atek, H., et al. 2023a, MNRAS, 519, 3064
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023b, ApJ, 952, 142
Gáspár, A., Rieke, G. H., Guillard, P., et al. 2021, PASP, 133, 014504
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Greene, J. E., Labbé, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Guo, Y., Ferguson, H. C., Giavalisco, M., et al. 2013, ApJS, 207, 24
Hainline, K. N., Helton, J. M., Johnson, B. D., et al. 2024a, ApJ, 964, 66
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024b, ApJ, 964, 71
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
Haslbauer, M., Kroupa, P., Zonoozi, A. H., & Haghi, H. 2022, ApJL, 939, L31
Hernán-Caballero, A., Hatziminaoglou, E., Alonso-Herrero, A., & Mateos, S. 2016, MNRAS, 463, 2064
Illingworth, G., Magee, D., Bouwens, R., et al. 2016, arXiv:1606.00841
Johnson, B. D., Leja, J., Conroy, C., & Speagle, J. S. 2021, ApJS, 254, 22
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kim, S. J., Lee, H. M., Jeong, W.-S., et al. 2015, MNRAS, 454, 1573
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kriek, M., & Conroy, C. 2013, ApJL, 775, L16
Kroupa, P. 2001, MNRAS, 322, 231
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Langeroodi, D., & Hjorth, J. 2023, ApJL, 957, L27
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leja, J., Carnall, A. C., Johnson, B. D., Conroy, C., & Speagle, J. S. 2019, ApJ, 876, 3
Leja, J., Johnson, B. D., Conroy, C., & van Dokkum, P. 2018, ApJ, 854, 62
Leja, J., Johnson, B. D., Conroy, C., van Dokkum, P. G., & Byler, N. 2017, ApJ, 837, 170
Lyu, J., Alberts, S., Rieke, G. H., et al. 2024, ApJ, 966, 229
Lyu, J., Alberts, S., Rieke, G. H., & Rujopakarn, W. 2022, ApJ, 941, 191
Lyu, J., & Rieke, G. 2022a, Univ, 8, 304
Lyu, J., & Rieke, G. H. 2017, ApJ, 841, 76
Lyu, J., & Rieke, G. H. 2022b, ApJL, 940, L31
Lyu, J., Rieke, G. H., & Alberts, S. 2016, ApJ, 816, 85
Lyu, J., Rieke, G. H., & Shi, Y. 2017, ApJ, 835, 257
Magorrian, J., Tremaine, S., Richstone, D., et al. 1998, AJ, 115, 2285
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2308.01230
Matthee, J., Mackenzie, R., Simcoe, R. A., et al. 2023, ApJ, 950, 67
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Natarajan, P., Pacucci, F., Ricarte, A., et al. 2024, ApJL, 960, L1
Nenkova, M., Sirocky, M. M., Nikutta, R., Ivezić, Ž., & Elitzur, M. 2008, ApJ, 685, 160
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pérez-González, P. G., Barro, G., Annunziatella, M., et al. 2023a, ApJL, 946, L16
Pérez-González, P. G., Costantin, L., Langeroodi, D., et al. 2023b, ApJL, 951, L1
Pérez-González, P. G., Gil de Paz, A., Zamorano, J., et al. 2003, MNRAS, 338, 508
Pérez-González, P. G., Rieke, G. H., Villar, V., et al. 2008, ApJ, 675, 234
Polletta, M., Tajer, M., Maraschi, L., et al. 2007, ApJ, 663, 81
Richards, G. T., Lacy, M., Storrie-Lombardi, L. J., et al. 2006, ApJS, 166, 470
Rieke, G. H., Alonso-Herrero, A., Weiner, B. J., et al. 2009, ApJ, 692, 556
Rieke, M. J., Robertson, B. E., Tacchella, S., et al. 2023, ApJS, 269, 16
Rodighiero, G., Bisigello, L., Iani, E., et al. 2023, MNRAS, 518, L19
Siebenmorgen, R., Heymann, F., & Efstathiou, A. 2015, A&A, 583, A120
Siebenmorgen, R., & Krügel, E. 2007, A&A, 461, 445
Stalevski, M., Fritz, J., Baes, M., Nakos, T., & Popović, L. Č. 2012, MNRAS, 420, 2756
Stalevski, M., Ricci, C., Ueda, Y., et al. 2016, MNRAS, 458, 2288
Stone, M. A., Lyu, J., Rieke, G. H., Alberts, S., & Hainline, K. N. 2024, ApJ, 964, 90
Eisenstein, D. J., Willott, C., Alberts, S., et al. 2023b, arXiv:2306.02465
Elvis, M., Wilkes, B. J., McDowell, J. C., et al. 1994, ApJS, 95, 1
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
Ferland, G. J., Korista, K. T., Verner, D. A., et al. 1998, PASP, 110, 761
Ferland, G. J., Porter, R. L., van Hoof, P. A. M., et al. 2013, RMxAA, 49, 137
Finkelstein, S. L., Leung, G. C. K., Bagley, M. B., et al. 2023, arXiv:2311. 04279
Furtak, L. J., Shuntov, M., Atek, H., et al. 2023a, MNRAS, 519, 3064
Furtak, L. J., Zitrin, A., Plat, A., et al. 2023b, ApJ, 952, 142
Gáspár, A., Rieke, G. H., Guillard, P., et al. 2021, PASP, 133, 014504
Glikman, E., Helfand, D. J., & White, R. L. 2006, ApJ, 640, 579
Greene, J. E., Labbé, I., Goulding, A. D., et al. 2024, ApJ, 964, 39
Guo, Y., Ferguson, H. C., Giavalisco, M., et al. 2013, ApJS, 207, 24
Hainline, K. N., Helton, J. M., Johnson, B. D., et al. 2024a, ApJ, 964, 66
Hainline, K. N., Johnson, B. D., Robertson, B., et al. 2024b, ApJ, 964, 71
Harikane, Y., Zhang, Y., Nakajima, K., et al. 2023, ApJ, 959, 39
Haslbauer, M., Kroupa, P., Zonoozi, A. H., & Haghi, H. 2022, ApJL, 939, L31
Hernán-Caballero, A., Hatziminaoglou, E., Alonso-Herrero, A., & Mateos, S. 2016, MNRAS, 463, 2064
Illingworth, G., Magee, D., Bouwens, R., et al. 2016, arXiv:1606.00841
Johnson, B. D., Leja, J., Conroy, C., & Speagle, J. S. 2021, ApJS, 254, 22
Killi, M., Watson, D., Brammer, G., et al. 2023, arXiv:2312.03065
Kim, S. J., Lee, H. M., Jeong, W.-S., et al. 2015, MNRAS, 454, 1573
Kocevski, D. D., Onoue, M., Inayoshi, K., et al. 2023, ApJL, 954, L4
Kriek, M., & Conroy, C. 2013, ApJL, 775, L16
Kroupa, P. 2001, MNRAS, 322, 231
Labbé, I., Greene, J. E., Bezanson, R., et al. 2023a, arXiv:2306.07320
Labbé, I., van Dokkum, P., Nelson, E., et al. 2023b, Natur, 616, 266
Langeroodi, D., & Hjorth, J. 2023, ApJL, 957, L27
Larson, R. L., Finkelstein, S. L., Kocevski, D. D., et al. 2023, ApJL, 953, L29
Leja, J., Carnall, A. C., Johnson, B. D., Conroy, C., & Speagle, J. S. 2019, ApJ, 876, 3
Leja, J., Johnson, B. D., Conroy, C., & van Dokkum, P. 2018, ApJ, 854, 62
Leja, J., Johnson, B. D., Conroy, C., van Dokkum, P. G., & Byler, N. 2017, ApJ, 837, 170
Lyu, J., Alberts, S., Rieke, G. H., et al. 2024, ApJ, 966, 229
Lyu, J., Alberts, S., Rieke, G. H., & Rujopakarn, W. 2022, ApJ, 941, 191
Lyu, J., & Rieke, G. 2022a, Univ, 8, 304
Lyu, J., & Rieke, G. H. 2017, ApJ, 841, 76
Lyu, J., & Rieke, G. H. 2022b, ApJL, 940, L31
Lyu, J., Rieke, G. H., & Alberts, S. 2016, ApJ, 816, 85
Lyu, J., Rieke, G. H., & Shi, Y. 2017, ApJ, 835, 257
Magorrian, J., Tremaine, S., Richstone, D., et al. 1998, AJ, 115, 2285
Maiolino, R., Scholtz, J., Curtis-Lake, E., et al. 2024, Natur, 627, 59
Maiolino, R., Scholtz, J., Witstok, J., et al. 2023, arXiv:2308.01230
Matthee, J., Mackenzie, R., Simcoe, R. A., et al. 2023, ApJ, 950, 67
Matthee, J., Naidu, R. P., Brammer, G., et al. 2024, ApJ, 963, 129
Natarajan, P., Pacucci, F., Ricarte, A., et al. 2024, ApJL, 960, L1
Nenkova, M., Sirocky, M. M., Nikutta, R., Ivezić, Ž., & Elitzur, M. 2008, ApJ, 685, 160
Oesch, P. A., Brammer, G., Naidu, R. P., et al. 2023, MNRAS, 525, 2864
Oke, J. B., & Gunn, J. E. 1983, ApJ, 266, 713
Pacucci, F., Nguyen, B., Carniani, S., Maiolino, R., & Fan, X. 2023, ApJL, 957, L3
Pérez-González, P. G., Barro, G., Annunziatella, M., et al. 2023a, ApJL, 946, L16
Pérez-González, P. G., Costantin, L., Langeroodi, D., et al. 2023b, ApJL, 951, L1
Pérez-González, P. G., Gil de Paz, A., Zamorano, J., et al. 2003, MNRAS, 338, 508
Pérez-González, P. G., Rieke, G. H., Villar, V., et al. 2008, ApJ, 675, 234
Polletta, M., Tajer, M., Maraschi, L., et al. 2007, ApJ, 663, 81
Richards, G. T., Lacy, M., Storrie-Lombardi, L. J., et al. 2006, ApJS, 166, 470
Rieke, G. H., Alonso-Herrero, A., Weiner, B. J., et al. 2009, ApJ, 692, 556
Rieke, M. J., Robertson, B. E., Tacchella, S., et al. 2023, ApJS, 269, 16
Rodighiero, G., Bisigello, L., Iani, E., et al. 2023, MNRAS, 518, L19
Siebenmorgen, R., Heymann, F., & Efstathiou, A. 2015, A&A, 583, A120
Siebenmorgen, R., & Krügel, E. 2007, A&A, 461, 445
Stalevski, M., Fritz, J., Baes, M., Nakos, T., & Popović, L. Č. 2012, MNRAS, 420, 2756
Stalevski, M., Ricci, C., Ueda, Y., et al. 2016, MNRAS, 458, 2288
Stone, M. A., Lyu, J., Rieke, G. H., Alberts, S., & Hainline, K. N. 2024, ApJ, 964, 90
Tacchella, S., Finkelstein, S. L., Bagley, M., et al. 2022, ApJ, 927, 170
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Wang, B., Leja, J., Atek, H., et al. 2024, ApJ, 963, 74
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Übler, H., Maiolino, R., Curtis-Lake, E., et al. 2023, A&A, 677, A145
Vanden Berk, D. E., Richards, G. T., Bauer, A., et al. 2001, AJ, 122, 549
Wang, B., Leja, J., Atek, H., et al. 2024, ApJ, 963, 74
Whitaker, K. E., Ashas, M., Illingworth, G., et al. 2019, ApJS, 244, 16
Williams, C. C., Alberts, S., Ji, Z., et al. 2023a, arXiv:2311.07483
Williams, C. C., Tacchella, S., Maseda, M. V., et al. 2023b, ApJS, 268, 64
Woodrum, C., Rieke, M., Ji, Z., et al. 2023, arXiv:2310.18464
Wuyts, S., Förster Schreiber, N. M., van der Wel, A., et al. 2011, ApJ, 742, 96
Williams, C. C., Tacchella, S., Maseda, M. V., et al. 2023b, ApJS, 268, 64
Woodrum, C., Rieke, M., Ji, Z., et al. 2023, arXiv:2310.18464
Wuyts, S., Förster Schreiber, N. M., van der Wel, A., et al. 2011, ApJ, 742, 96
- Original content from this work may be used under the terms of the Creative Commons Attribution 4.0 licence. Any further distribution of this work must maintain attribution to the author(s) and the title of the work, journal citation and DOI.
The photometric redshift probability distribution function for this source presents two peaks, one at and one at . Significantly better values are obtained by SYNTHESIZER-AGN and PROSPECTOR-AGN for our finally chosen redshift .