Unmixed metals: variations in the enrichment of <i>z</i> ∼ 4 sub-damped Lyman α systems
Notice bibliographique
Résumé
ABSTRACT The chemical abundance patterns of near-pristine objects provide important constraints on the properties of the first generations of stars in the Universe. We present the chemical abundances of five very metal-poor ([M/H]$&lt; -2.5$) sub-damped Ly$\alpha$ systems (subDLAs) covering the redshift range $3.6&lt; z&lt; 4.3$, identified with the XQ-100 survey. We find that the subDLAs in our sample show consistent chemical abundance patterns (in particular [C/O], [Al/O], and [Fe/O]) with those of very metal-poor DLAs. Based on Voigt profile fitting, the chemical abundance ratios [C/O], [Al/O], and [Si/O] of individual velocity components in at least three of the subDLAs show some intrinsic scatter. In order to verify these chemical inhomogeneities in absorption components, we present a novel method for computing ionization corrections (ICs) on a component-by-component basis and show that ICs alone cannot explain the variations in [C/O], [Al/O], and [Si/O] between components of the same absorber at $\approx 2\sigma$ significance. Comparing the observed abundance ratios to the simulated core-collapse supernovae yields of early stellar populations, we find that all individual components of the subDLAs appears to be enriched by progenitor masses of $\lesssim 30$ M$_\odot$. The observed inhomogeneities between components can be reproduced by differences in the progenitor mass or supernova explosion energy. As such, the observed chemical inhomogeneities between components can be explained by poorly mixed gas from different nucleosynthetic events.
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 | 0,001 | 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 | 0,001 | 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 ».