An Empirical Framework Characterizing the Metallicity and Star-formation History Dependence of X-Ray Binary Population Formation and Emission in Galaxies
Notice bibliographique
Résumé
Abstract We present a new empirical framework modeling the metallicity and star formation history (SFH) dependence of X-ray luminous (L ≳ 1036 erg s−1) point-source population X-ray luminosity functions (XLFs) in normal galaxies. We expect that the X-ray point-source populations are dominated by X-ray binaries (XRBs), with contributions from supernova remnants near the low luminosity end of our observations. Our framework is calibrated using the collective statistical power of 3731 X-ray detected point sources within 88 Chandra-observed galaxies at D ≲ 40 Mpc that span broad ranges of metallicity (Z ≈ 0.03–2 Z ⊙), SFH, and morphology (dwarf irregulars, late types, and early types). Our best-fitting models indicate that the XLF normalization per unit stellar mass declines by ≈2–3 dex from 10 Myr to 10 Gyr, with a slower age decline for low-metallicity populations. The shape of the XLF for luminous X-ray sources (L ≳ 1038 erg s−1) significantly steepens with increasing age and metallicity, while the lower-luminosity XLF appears to flatten with increasing age. Integration of our models provides predictions for X-ray scaling relations that agree very well with past results presented in the literature, including, e.g., the L X–SFR–Z relation for high-mass XRBs in young stellar populations as well as the L X/M ⋆ ratio observed in early-type galaxies that harbor old populations of low-mass XRBs. The model framework and data sets presented in this paper further provide unique benchmarks that can be used for calibrating binary population synthesis models.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».