Superheavy Elements in Kilonovae

Auteurs : Erika M. Holmbeck, Jennifer Barnes, Kelsey A. Lund, Trevor M. Sprouse, G. C. McLaughlin, Matthew R. Mumpower

arXiv: 2304.02125v1 - DOI (astro-ph.HE)
9 pages, 5 figures
Licence : CC BY 4.0

Résumé : As LIGO-Virgo-KAGRA enters its fourth observing run, a new opportunity to search for electromagnetic counterparts of compact object mergers will also begin. The light curves and spectra from the first "kilonova" associated with a binary neutron star binary (NSM) suggests that these sites are hosts of the rapid neutron capture ("$r$") process. However, it is unknown just how robust elemental production can be in mergers. Identifying signposts of the production of particular nuclei is critical for fully understanding merger-driven heavy-element synthesis. In this study, we investigate the properties of very neutron rich nuclei for which superheavy elements ($Z\geq 104$) can be produced in NSMs and whether they can similarly imprint a unique signature on kilonova light-curve evolution. A superheavy-element signature in kilonovae represents a route to establishing a lower limit on heavy-element production in NSMs as well as possibly being the first evidence of superheavy element synthesis in nature. Favorable NSMs conditions yield a mass fraction of superheavy elements is $X_{Z\geq 104}\approx 3\times 10^{-2}$ at 7.5 hours post-merger. With this mass fraction of superheavy elements, we find that kilonova light curves may appear similar to those arising from lanthanide-poor ejecta. Therefore, photometric characterizations of superheavy-element rich kilonova may possibly misidentify them as lanthanide-poor events.

Soumis à arXiv le 04 Avr. 2023

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.