利用新种群合成代码 BONNFIRES 对大质量恒星旋转混合的数值测试

我们使用新的种群合成代码 BONNFIRES 来测试旋转恒星模型预测的表面丰度如何依赖于旋转混合的数值处理，例如空间分辨率、时间分辨率以及平均分子量梯度的计算。我们发现，即使在扩散方程中计算旋转混合系数的数值规定相同，不同的时间步长也会导致系数乃至表面丰度的偏差。我们发现，时间步长为 0.001 Myr 的模型序列与时间步长较长的模型序列之间，表面丰度的变化幅度为 10-100%。表面氮富集更强的模型序列具有更长的主序寿命，因为更多的氢被混合到燃烧核心。主序寿命的偏差可高达 20%。从数学上讲，除非使用无限小的时间步长，否则任何数值方案都无法给出完美解。然而，我们发现，对于时间步长足够小（低于 0.1 Myr）的建模序列，表面丰度最终会在 10% 以内收敛。旋转混合的效率取决于所实施的数值方案，并关键性地取决于平均分子量梯度的计算。对平均分子量梯度使用平滑函数会导致更强的旋转混合。如果离散化方案或计算平均分子量梯度的计算规程发生改变，可能需要重新校准混合参数以拟合观测结果。若要正确理解恒星旋转的基本物理，至关重要的是要最小化在数值近似旋转混合过程时引入恒星演化模型的不确定性。