系统建模不确定性对黑天鹅性质估计的影响

镱系原子结构及其随波长变化的透明度高度不可确定。这一不确定性引入了对类似黑天鹅的暂态现象建模以及估计关键性质（如质量、特征速度和重金属含量）时的系统误差。本文量化了来自文献中各种原子数据以及r-process放射性衰变热效率选择如何影响黑天鹅的光度曲线和光谱。具体而言，我们分析由光谱传输代码\texttt{Sedona}生成的网格模型光谱，以识别系统不确定性最高的区域。我们的发现表明，原子数据差异对镱质量分数的估计具有实质性影响，对于镱富集 ejecta 可相差约一个数量级，并展示了在镱贫乏 ejecta 中精确测量镱分数的困难。质量估计因不同原子数据而异，通常相差$25-40\%$。同样，热化效率的选择可使质量估计相差$20\%$至$50\%$。诸如颜色和衰减率等观测性质高度依赖模型。仅凭光度曲线拟合的速度估计可达$\sim 100\%$的典型误差。轻型r-process元素原子数据可显著影响蓝色发射。即便对于像GW170817这样的被充分观测的事件，using不同原子数据集估计的总镱产量可相差约$6$倍。