STOCHASTIC SELF-ENRICHMENT, PRE-ENRICHMENT, AND THE FORMATION OF GLOBULAR CLUSTERS
Notice bibliographique
Résumé
We develop a model for stochastic pre-enrichment and self-enrichment in globular clusters (GCs) during their formation process. GCs beginning their formation have an initial metallicity determined by the pre-enrichment of their surrounding protocloud, but can also undergo internal self-enrichment during formation. Stochastic variations in metallicity arise because of the finite numbers of supernova. We construct an analytic formulation of the combined effects of pre-enrichment and self-enrichment and use Monte Carlo models to verify that the model accurately encapsulates the mean metallicity and metallicity spread among real GCs. The predicted metallicity spread due to self-enrichment alone, a robust prediction of the model, is much smaller than the observed spread among real GCs. This result rules out self-enrichment as a significant contributor to the metal content in most GCs, leaving pre-enrichment as the viable alternative. Self-enrichment can, however, be important for clusters with masses well above 10 6 M ☉ , which are massive enough to hold in a significant fraction of their SN ejecta even without any external pressure confinement. This transition point corresponds well to the mass at which a mass–metallicity relationship (MMR, "blue tilt") appears in the metal-poor cluster sequence in many large galaxies. We therefore, suggest that self-enrichment is the primary driver for the MMR. Other predictions from our model are that the cluster-to-cluster metallicity spread decreases amongst the highest mass clusters; and that the red GC sequence should also display a more modest mass–metallicity trend if it can be traced to similarly high mass.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».