Cluster formation in molecular clouds – I. Stellar populations, star formation rates and ionizing radiation
Notice bibliographique
Résumé
We present a model for the radiative output of star clusters in the process of star formation suitable for use in hydrodynamical simulations of radiative feedback. Gas in a clump, defined as a region whose density exceeds 104 cm−3, is converted to stars via the random sampling of the Chabrier initial mass function. A star formation efficiency controls the rate of star formation. We have completed a suite of simulations which follow the evolution of accretion-fed clumps with initial masses ranging from 0 to 105 M⊙ and accretion rates ranging from 10−5 to 10−1 M⊙ yr−1. The stellar content is tracked over time which allows the aggregate luminosity, ionizing photon rate, number of stars and star formation rate (SFR) to be determined. For a fiducial clump of 104 M⊙, the luminosity is ∼4 × 106 L⊙ with an SFR of roughly 3 × 10−3 M⊙ yr−1. We identify two regimes in our model. The accretion-dominated regime obtains the majority of its gas through accretion and is characterized by an increasing SFR, while the reservoir-dominated regime has the majority of its mass present in the initial clump with a decreasing SFR. We show that our model can reproduce the expected number of O stars, which dominate the radiative output of the cluster. We find a nearly linear relationship between SFR and mass as seen in observations. We conclude that our model is an accurate and straightforward way to represent the output of clusters in hydrodynamical simulations with radiative feedback.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».