LIGO-Virgo-KAGRA's Oldest Black Holes: Probing star formation at cosmic noon with GWTC-3
Notice bibliographique
Résumé
In their third observing run, the LIGO-Virgo-KAGRA gravitational-wave (GW) observatory was sensitive to binary black hole (BBH) mergers out to redshifts $z_\mathrm{merge}\approx1$. Because GWs are inefficient at shrinking the binary orbit, some of these BBH systems likely experienced long delay times $τ$ between the formation of their progenitor stars at $z_\mathrm{form}$ and their GW merger at $z_\mathrm{merge}$. In fact, the distribution of delay times predicted by isolated binary evolution resembles a power law $p(τ)\proptoτ^{α_τ}$ with slope $-1\lesssimα_τ\lesssim-0.35$ and a minimum delay time of $τ_\mathrm{min}=10$ Myr. We use these predicted delay time distributions to infer the formation redshifts of the $\sim70$ BBH events reported in the third GW transient catalog GWTC-3 and the formation rate of BBH progenitors. For our default $α_τ=-1$ delay time distribution, we find that GWTC-3 contains at least one system (with 90\% credibility) that formed earlier than $z_\mathrm{form}>4.4$. Comparing our inferred BBH progenitor formation rate to the star formation rate (SFR), we find that at $z_\mathrm{form}=4$, the number of BBH progenitor systems formed per stellar mass was $6.4^{+9.4}_{-5.5}\times10^{-6}\,M_\odot^{-1}$ and this yield dropped to $0.134^{+1.6}_{-0.127}\times10^{-6}\,M_\odot^{-1}$ by $z_\mathrm{form}=0$. We discuss implications of this measurement for the cosmic metallicity evolution, finding that for typical assumptions about the metallicity-dependence of the BBH yield, the average metallicity at $z_\mathrm{form}=4$ was $\langle\log_{10}(Z/Z_\odot)\rangle=-0.3^{+0.3}_{-0.4}$, although the inferred metallicity can vary by a factor of $\approx3$ for different assumptions about the BBH yield. Our results highlight the promise of current GW observatories to probe high-redshift star formation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».