Neutron Star Mergers and their Impact on Second Generation Star Formation in the Early Universe

Auteurs : Danielle Skinner, John H. Wise

arXiv: 2307.10354v1 - DOI (astro-ph.GA)
11 pages, 12 figures, 3 tables. Submitted to MNRAS

Résumé : The exact evolution of elements in the universe, from primordial hydrogen and helium to heavier elements like gold and platinum produced via the r-process, is still under scrutiny. The supernova deaths of the very first stars to form in the universe led to the enrichment of their local environments with new metals, and can leave behind neutron stars as remnants. These remnants can end up in binary systems with other neutron stars, and eventually merge, allowing for the r-process to occur. In this work, we study the scenario where a single neutron star merger (NSM) enriches a halo early in its evolution to understand the impact on the second generation of stars and their metal abundances. We perform a suite of high resolution cosmological zoom-in simulations using Enzo where we have implemented a new NSM model varying the explosion energy and the delay time. In general, a NSM leads to a significant r-process enhancement in the second generation of stars. A high explosion energy leads to almost all enhanced r-process stars being highly enhanced, while a lower explosion energy leads to a higher mass fraction of stars being r-process enhanced, but not as many being highly enhanced. When a NSM has a short delay time, there is a higher mass fraction of stars being r-process enhanced, but a smaller mass fraction being highly enhanced compared to longer delay times. This work represents a stepping stone towards understanding how NSMs impact their environments and metal abundances of descendant generations of stars.

Soumis à arXiv le 19 Jul. 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.