Galaxies in the local universe are most commonly found in groups and are thought to be "pre-processed" in this environment before being consumed by clusters. Yet we know very little about the gastrophysics of these systems, how they evolve and how this environment is connected to the quenching of star-forming galaxies. In particular, the role of intragroup gas has been challenging to uncover due to observational constraints and the limitations of radio telescopes to date. Sensitive, interferometric \HI\ observations of galaxy groups, combined with multiwavelength tracers of stellar mass, star formation and shocks, is necessary to examine the physical processes transforming galaxies from star-forming to quenched. These laboratories may be key to understanding the dominant mechanisms driving galaxy evolution. MeerKAT uniquely combines a large field of view, column density sensitivity, and excellent UV coverage on short baselines ensuring sensitivity to diffuse gas. This design makes it a compelling instrument for the study of intragroup and circumgroup gas, quenching in galaxy groups, and for tracing evolutionary pathways within the group environment.


翻译:本地宇宙中的星系最常见的是星系群,据认为,在被星群消耗之前,在这种环境中是“预处理”的。然而,我们对这些星系的气形物理学、其演变方式以及这种环境如何与恒星成形星系的挤压联系起来知之甚少。特别是,由于观测限制和射电望远镜迄今为止的局限性,集团内气体的作用一直难以发现。对星系群的敏感、相互测量和HI\观察,加上星团、恒星形成和冲击等多波长的跟踪器,对于审查从恒星成形到被挤压的星系的物理过程是必要的。这些实验室可能是了解驱动星系进化的主导机制的关键。MeerKAT独家将一个大视野、柱密度敏感度和极好的紫外线覆盖结合起来,以确保对扩散气体的敏感度。这种设计使星系内部和环组气体的研究、星系组的挤压和跟踪群内进化路径成为令人信服的工具。

0
下载
关闭预览

相关内容

Group一直是研究计算机支持的合作工作、人机交互、计算机支持的协作学习和社会技术研究的主要场所。该会议将社会科学、计算机科学、工程、设计、价值观以及其他与小组工作相关的多个不同主题的工作结合起来,并进行了广泛的概念化。官网链接:https://group.acm.org/conferences/group20/
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
145+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
101+阅读 · 2019年10月9日
VALSE Webinar 特别专题之产学研共舞VALSE
VALSE
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
24+阅读 · 2019年5月22日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
20+阅读 · 2020年6月8日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
AutoML: A Survey of the State-of-the-Art
Arxiv
68+阅读 · 2019年8月14日
VIP会员
相关VIP内容
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
145+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
101+阅读 · 2019年10月9日
相关资讯
VALSE Webinar 特别专题之产学研共舞VALSE
VALSE
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
24+阅读 · 2019年5月22日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员