The Total Merger Rate of Compact Object Binaries in the Local Universe
Notice bibliographique
Résumé
Using a population synthesis approach, we compute the total merger rate in the local universe for double neutron stars, double black holes, and black hole-neutron star binaries. These compact binaries are the prime source candidates for gravitational wave detection by LIGO and VIRGO. We account for mergers originating both from field populations and from dense stellar clusters, where dynamical interactions can significantly enhance the production of double compact objects. For both populations we use the same treatment of stellar evolution. Our results indicate that the merger rates of double neutron stars and black hole-neutron star binaries are strongly dominated by field populations, while merging black hole binaries are formed much more effectively in dense stellar clusters. The overall merger rate of double compact objects depends sensitively on the (largely unknown) initial mass fraction contained in dense clusters ( f cl ). For f cl ≲ 0.0001, the Advanced LIGO detection rate will be dominated by field populations of double neutron star mergers, with a small but significant number of detections, ~20 yr −1 . However, for a higher mass fraction in clusters, f cl ≳ 0.001, the detection rate will be dominated by numerous mergers of double black holes originating from dense clusters, and it will be considerably higher, ~25-300 yr −1 . In addition, we show that, once mergers of double black holes are detected, it is easy to differentiate between systems formed in the field and in dense clusters, since the chirp mass distributions are strikingly different. If significant field populations of double black hole mergers are detected, this will also place very strong constraints on common-envelope evolution in massive binaries. Finally, we point out that there may exist a population of merging black hole binaries in intergalactic space.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».