Horizontal branch (HB) morphology is a complex multiple-parameter problem. Besides the metallicity, two other leading parameters are the mass loss rate (MLR) and the initial He abundance of the HB progenitors. Using the STAREV stellar evolution code, we produce a wide array of Extreme Horizontal Branch (EHB) stars and also examine their post-HB evolution. EHB stars are produced in our calculations by the so called `delayed (late) hot core flash' scenario. The MLR is increased on the red giant branch (RGB) to the extent that, prior to reaching core flash conditions, only a very thin H-rich envelope remains and helium ignition takes place at hotter positions on the HRD. We perform an extensive, self-consistent parameter study, covering populations I and II (Z=0.0001-0.03), for both normal initial helium abundances and He-enriched models (up to Y=0.40). For completeness of the study and in order to point to complete trends, we chose NOT to cut out several combinations (or results of) that may extend beyond realistic limits. We present results and complete evolutionary tracks for the covered parameter space, showing in particular that: a) Increased He abundance ON ITS OWN -- without having a significant-enough MLR on the RGB -- DOES NOT lead to the production of EHB stars; however, b) The bluest (hottest) HB positions do result from the COMBINED effect of He-enhancement and increased MLR; c) The general trend is that the effective temperature on the HB increases with decreasing metallicity, but there is an indication for a halt, or even a reversal of this trend, as Z further decreases below $10^{-3}$; d) EHB stars can serve as major contributors to the UV flux emanating from their host system. Thus, the present comprehensive study both complements and lends support to previous, more restricted studies of the HB phase, and adds results for unexplored regions of the parameter space.


翻译:水平分支( HB) 形态是一个复杂的多参数问题。 除了金属特性外, 另外两个主要参数是质量损耗率( MLR) 和HB子子体的初始丰度。 我们使用STAREV星级进化代码, 生成了广泛的极端水平分支星( EHB), 并检查了 HB 后演化过程。 EHB 恒星是由所谓的“ 延迟( 延迟) 热核心闪烁” 假设在我们计算中产生的。 红巨分支( RGB) 的 MLR 变速率增加, 以至于在达到核心闪烁条件之前, 只有非常薄的 H- 富星体的留存率和 hei 点点点点点点点。 我们进行了广泛的、 自我一致的极端水平分数研究, 覆盖了I 和II 的正常的初始 helium 丰度( 到 Y=0. 40 ) 。 为了研究的完整性, 我们选择不切换出一些 H- NR RR 的混合值值值值值值值值值值值值值值值值值值值,, 的当前主要的磁度结果可能扩展为 H- 。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Arxiv
3+阅读 · 2018年10月11日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
近期必读的5篇 CVPR 2019【图卷积网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
NIPS 2017:贝叶斯深度学习与深度贝叶斯学习(讲义+视频)
机器学习研究会
36+阅读 · 2017年12月10日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员