Potential kick velocity distribution of black hole X-ray binaries and implications for natal kicks
Notice bibliographique
Résumé
Abstract We use very long baseline interferometry to measure the proper motions of three black hole X-ray binaries (BHXBs). Using these results together with data from the literature and Gaia DR2 to collate the best available constraints on proper motion, parallax, distance, and systemic radial velocity of 16 BHXBs, we determined their three-dimensional Galactocentric orbits. We extended this analysis to estimate the probability distribution for the potential kick velocity (PKV) a BHXB system could have received on formation. Constraining the kicks imparted to BHXBs provides insight into the birth mechanism of black holes (BHs). Kicks also have a significant effect on BH–BH merger rates, merger sites, and binary evolution, and can be responsible for spin–orbit misalignment in BH binary systems. 75 per cent of our systems have potential kicks $\gt 70\, \rm {km\,s^{-1}}$. This suggests that strong kicks and hence spin–orbit misalignment might be common among BHXBs, in agreement with the observed quasi-periodic X-ray variability in their power density spectra. We used a Bayesian hierarchical methodology to analyse the PKV distribution of the BHXB population, and suggest that a unimodal Gaussian model with a mean of 107 $\pm \,\,16\, \rm {km\,s^{-1}}$ is a statistically favourable fit. Such relatively high PKVs would also reduce the number of BHs likely to be retained in globular clusters. We found no significant correlation between the BH mass and PKV, suggesting a lack of correlation between BH mass and the BH birth mechanism. Our python code allows the estimation of the PKV for any system with sufficient observational constraints.
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 ».