Dense gas is not enough: environmental variations in the star formation efficiency of dense molecular gas at 100 pc scales in M 51
Notice bibliographique
Résumé
It remains unclear what sets the efficiency with which molecular gas transforms into stars. Here we present a new VLA map of the spiral galaxy M 51 in 33 GHz radio continuum, an extinction-free tracer of star formation, at 3″ scales (∼100 pc). We combined this map with interferometric PdBI/NOEMA observations of CO(1–0) and HCN(1–0) at matched resolution for three regions in M 51 (central molecular ring, northern and southern spiral arm segments). While our measurements roughly fall on the well-known correlation between total infrared and HCN luminosity, bridging the gap between Galactic and extragalactic observations, we find systematic offsets from that relation for different dynamical environments probed in M 51; for example, the southern arm segment is more quiescent due to low star formation efficiency (SFE) of the dense gas, despite its high dense gas fraction. Combining our results with measurements from the literature at 100 pc scales, we find that the SFE of the dense gas and the dense gas fraction anti-correlate and correlate, respectively, with the local stellar mass surface density. This is consistent with previous kpc-scale studies. In addition, we find a significant anti-correlation between the SFE and velocity dispersion of the dense gas. Finally, we confirm that a correlation also holds between star formation rate surface density and the dense gas fraction, but it is not stronger than the correlation with dense gas surface density. Our results are hard to reconcile with models relying on a universal gas density threshold for star formation and suggest that turbulence and galactic dynamics play a major role in setting how efficiently dense gas converts into stars.
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 ».