Mapping the column density and dust temperature structure of IRDCs with<i>Herschel</i>
Notice bibliographique
Résumé
Infrared dark clouds (IRDCs) are cold and dense reservoirs of gas potentially available to form stars. Many of these clouds are likely to be pristine structures representing the initial conditions for star formation. The study presented here aims to construct and analyze accurate column density and dust temperature maps of IRDCs by using the first <i>Herschel<i/> data from the Hi-GAL galactic plane survey. These fundamental quantities, are essential for understanding processes such as fragmentation in the early stages of the formation of stars in molecular clouds. We have developed a simple pixel-by-pixel SED fitting method, which accounts for the background emission. By fitting a grey-body function at each position, we recover the spatial variations in both the dust column density and temperature within the IRDCs. This method is applied to a sample of 22 IRDCs exhibiting a range of angular sizes and peak column densities. Our analysis shows that the dust temperature decreases significantly within IRDCs, from background temperatures of 20–30 K to minimum temperatures of 8–15 K within the clouds, showing that dense molecular clouds are not isothermal. Temperature gradients have most likely an important impact on the fragmentation of IRDCs. Local temperature minima are strongly correlated with column density peaks, which in a few cases reach = 1×10<sup>23<sup/> cm<sup>-2<sup/>, identifying these clouds as candidate massive prestellar cores. Applying this technique to the full Hi-GAL data set will provide important constraints on the fragmentation and thermal properties of IRDCs, and help identify hundreds of massive prestellar core candidates.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».