GOODS-ALMA 2.0: Last gigayear star formation histories of the so-called starbursts within the main sequence
Auteurs : L. Ciesla, C. Gómez-Guijarro, V. Buat, D. Elbaz, S. Jin, M. Béthermin, E. Daddi, M. Franco, H. Inami, G. Magdis, B. Magnelli
Résumé : Recently, a population of compact main sequence (MS) galaxies exhibiting starburst-like properties have been identified in the GOODS-ALMA blind survey at 1.1mm. Several evolution scenarios were proposed to explain their particular physical properties (e.g., compact size, low gas content, short depletion time). In this work, we aim at studying the star formation history (SFH) of the GOODS-ALMA galaxies to understand if the so-called ``starburst (SB) in the MS'' galaxies exhibit a different star formation activity over the last Gyr compared to MS galaxies that could explain their specificity. We use the CIGALE SED modelling code to which we add non-parametric SFHs. To compare quantitatively the recent SFH of the galaxies, we define a parameter, the star formation rate (SFR) gradient that provides the angle showing the direction that a galaxy has followed in the SFR vs stellar mass plane over a given period. We show that ``SB in the MS'' have positive or weak negative gradients over the last 100, 300, and 1000 Myr, at odds with a scenario where these galaxies would be transitioning from the SB region at the end of a strong starburst phase. Normal GOODS-ALMA galaxies and ``SB in the MS'' have the same SFR gradients distributions meaning that they have similar recent SFH, despite their different properties (compactness, low depletion time). The ``SBs in the MS'' manage to maintain a star-formation activity allowing them to stay within the MS. This points toward a diversity of galaxies within a complex MS.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.