The Ep-Liso correlation: A new diagnostic tool for kilonova transients

Auteurs : Ruben Farinelli, Fabrizio Cogato, Mattia Bulla, Paramvir Singh, Giulia Stratta, Andrea Rossi, Eliana Palazzi, Cristiano Guidorzi, Elisabetta Maiorano, Lorenzo Amati, Bing Zhang, Luciano Rezzolla, Filippo Frontera

arXiv: 2601.14318v1 - DOI (astro-ph.HE)
27 pages, 7 figures, accepted for publication in JHEAp

Résumé : The AT2017gfo kilonova transient remains a unique multi-messenger event thanks to its proximity (z=0.00987) and the possibility to investigate time-resolved spectra, providing evidence of r-process nucleosynthesis. The kilonova signal was extensively studied in the spectral and time domains, giving key insights into the chemical composition and physical properties of the ejecta. Here, we report the discovery of a novel correlation between two fundamental observables: the peak energy of the EF_E spectrum, Ep, and the isotropic-equivalent luminosity, Liso. In particular, we show that up to about 2.5 days after the merger, the AT2017gfo spectrum evolves according to: log10[Ep/eV] = -0.13 (+0.02/-0.02) + 0.62 (+0.02/-0.02) * log10[Liso/(1e41 erg/s)] (68% C.L.) while in subsequent epochs, Ep remains almost constant with Liso, flattening around 1 eV. Exploiting simulations from a state-of-the-art radiative transfer code, we demonstrate that our kilonova model inherently predicts this peculiar correlation, suggesting a new diagnostic tool for comparing observables against simulations. Future kilonova observations will provide additional insight into the physics behind the Ep-Liso correlation.

Soumis à arXiv le 19 Jan. 2026

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.