基于分子发射对猎户座 B giant 分子云进行聚类
摘要
以往分割分子云分子谱线图的尝试主要集中在利用单条谱线的位置 - 位置 - 速度数据立方体来分离云的空间分量。相比之下，(亚) 毫米域中具有大光谱带宽的宽场光谱成像现在允许结合多种分子示踪物来理解构成 giant 分子云的不同物理和化学相。我们的目标是使用多种示踪物（对不同物理过程敏感）将分子云分割为物理/化学相似的区域（而不是空间连通的分量）。我们使用一种机器学习聚类方法（Meanshift 算法）对具有相似分子发射的像素进行聚类，忽略空间信息。简单的辐射转移模型用于解释聚类揭示的天体物理信息。仅基于 12CO、13CO 和 C18O 的 J=1-0 谱线的聚类分析揭示了不同的密度/柱密度区域（nH~100、500 和 >1000 cm-3），这与弥漫、半透明和高柱密度区域的常规定义密切相关。添加两种对 UV 敏感的示踪物，即 HCO+ 和 CN 的 (1-0) 谱线，使我们能够区分两种明显不同的化学区域，其特征分别为 UV 照射和 UV 屏蔽气体。UV 照射区域显示出过亮的 HCO+ 和 CN 发射，我们将其与光化学富集联系起来。我们还发现 UV 照射区域中 CN/HCO+ 强度比的高值尾部。对于最密集区域，也识别出了更精细的密度类别区分（nH~7E3 和 4E4 cm-3），这可能与 CN 和 HCO+ (1-0) 谱线更高的临界密度有关。同时多谱线宽场映射与强大的机器学习方法（如 Meanshift 算法）的结合，揭示了如何解码分子示踪物中可用的复杂信息。
引用
@article{arxiv.1710.07288,
title = {Clustering the Orion B giant molecular cloud based on its molecular emission},
author = {Emeric Bron and Chloé Daudon and Jérôme Pety and François Levrier and Maryvonne Gerin and Pierre Gratier and Jan H. Orkisz and Viviana Guzman and Sébastien Bardeau and Javier R. Goicoechea and Harvey Liszt and Karin Öberg and Nicolas Peretto and Albrecht Sievers and Pascal Tremblin},
journal= {arXiv preprint arXiv:1710.07288},
year = {2018}
}
备注
Accepted for publication in A&A. 26 pages and 23 figures. The associated data products will soon be available at http://www.iram.fr/~pety/ORION-B