Intermediate-Mass Stripped Stars in the Magellanic Clouds: Forward Modeling the Observed Population Discovered Via UV Excess
Notice bibliographique
Résumé
Stripped stars are hot, helium-rich stars formed when binary interactions remove a star's hydrogen envelope. While low-mass ($\lesssim 1 M_\odot$) and high-mass ($\gtrsim 8 M_\odot$) stripped stars are well studied as hot subdwarfs and Wolf-Rayet stars, their intermediate-mass counterparts ($1-8 M_\odot$) have only recently been discovered. The Stripped-Star Ultraviolet Magellanic Cloud Survey (SUMS) identified UV-excess sources (i.e., sources lying blueward of the main sequence) in the Magellanic Clouds using Swift-UVOT photometry and selected 820 photometric stripped-star candidates. However, the completeness and purity of this sample remain poorly understood. We forward model the population of stripped stars in the Magellanic Clouds using a binary population synthesis model combined with spatially resolved star formation histories and simulated UV photometry. To assess survey sensitivity, we inject simulated sources into real Swift-UVOT images and reproduce the SUMS selection process, including crowding, extinction, and photometric quality cuts. For the SMC and LMC, we respectively recover 31\% and 15\% of sources with intrinsic UV excess, and $11\%$ and $7\%$ of all stripped stars. The rest are missed due to dilution by luminous companions, crowding, high extinction, and limited survey coverage. The observed population is biased toward systems with low-mass companions formed by common envelope evolution and systems with compact object companions. We predict contamination of the observed stripped-star candidates by main-sequence stars with spurious UV excess due to crowding and provide guidelines for selecting higher-purity subsamples. Our population synthesis model matches the number and properties of observed stripped star candidates with masses of $(2-5) M_\odot$ well. It underpredicts the number of lower- and higher-mass candidates, perhaps due to contamination.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».