Stars, gas, and star formation of distant post-starburst galaxies
Auteurs : Po-Feng Wu, Rachel Bezanson, Francesco D'Eugenio, Anna R. Gallazzi, Jenny E. Greene, Michael V. Maseda, Katherine A. Suess, Arjen van der Wel
Résumé : We present a comprehensive multi-wavelength study of 5 poststarburst galaxies with $M_\ast > 10^{11} M_\odot$ at $z\sim 0.7$, examining their stars, gas, and current and past star-formation activities. Using optical images from the Subaru telescope and Hubble Space Telescope, we observe a high incidence of companion galaxies and low surface brightness tidal features, indicating that quenching is closely related to interactions between galaxies. From optical spectra provided by the LEGA-C survey, we model the stellar continuum to derive the star-formation histories and show that the stellar masses of progenitors ranging from $2\times10^9 M_\odot$ to $10^{11} M_\odot$, undergoing a burst of star formation several hundred million years prior to observation, with a decay time scale of $\sim100$ million years. Our ALMA observations detect CO(2-1) emission in four galaxies, with the molecular gas spreading over up to $>1"$, or $\sim10$ kpc, with a mass of up to $\sim2 \times10^{10} M_\odot$. However, star-forming regions are unresolved by either the slit spectra or 3~GHz continuum observed by the Very Large Array. Comparisons between the star-formation rates and gas masses, and the sizes of CO emission and star-forming regions suggest a low star-forming efficiency. We show that the star-formation rates derived from IR and radio luminosities with commonly-used calibrations tend to overestimate the true values because of the prodigious amount of radiation from old stars and the contribution from AGN, as the optical spectra reveal weak AGN-driven outflows.
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.