Do Lognormal Column-Density Distributions in Molecular Clouds Imply Supersonic Turbulence?
Notice bibliographique
Résumé
Recent observations of column densities in molecular clouds find lognormal distributions with power-law high-density tails. These results are often interpreted as indications that supersonic turbulence dominates the dynamics of the observed clouds. We calculate and present the column-density distributions of three clouds, modeled with very different techniques, none of which is dominated by supersonic turbulence. The first star-forming cloud is simulated using smoothed particle hydrodynamics (SPH); in this case gravity, opposed only by thermal-pressure forces, drives the evolution. The second cloud is magnetically subcritical with subsonic turbulence, simulated using nonideal MHD; in this case the evolution is due to gravitationally-driven ambipolar diffusion. The third cloud is isothermal, self-gravitating, and has a smooth density distribution analytically approximated with a uniform inner region and an r^-2 profile at larger radii. We show that in all three cases the column-density distributions are lognormal. Power-law tails develop only at late times (or, in the case of the smooth analytic profile, for strongly centrally concentrated configurations), when gravity dominates all opposing forces. It therefore follows that lognormal column-density distributions are generic features of diverse model clouds, and should not be interpreted as being a consequence of supersonic turbulence.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».