German Title: Statistische Modellierung der Vorläufer-Entwicklung und Entstehung von Neutronensternen und stellaren Schwarzen Löchern

Preview

PDF, English Download (11MB) | Terms of use

Abstract

In this thesis, methods are elaborated for constructing efficient, scalable predictive models of stellar evolution, of core collapse supernova (CCSN) outcomes and of the gravitational wave (GW) emission from binary neutron star (NS) merger remnants, with supervised machine learning techniques. Aided by the predictive models, the following central scientific findings are made. The final fates of massive single and binary-stripped stars undergoing iron core collapse are not only encoded in the pre-SN progenitor structure, but broadly pre-determined already at the end of core helium burning (CHeB). The CCSN model developed in this work is in agreement with estimates of carbon-oxygen core masses ($M_{CO}$) of several observed SN progenitors, which other CCSN recipes typically used in rapid binary population synthesis codes cannot explain. In order to partially address the missing red supergiant problem by failed SNe, stellar evolution models are constrained to have a $M_{CO}$ and a central carbon mass fraction at the end of CHeB within a confined region of parameter space. A NS is the more likely (guaranteed for $M_{CO} \lesssim 6 \, M_\odot$ , and at 85-90 % probability otherwise) compact remnant left behind a successful SN, while fallback black hole formation can under certain pre-SN conditions be excluded. When two NSs merge, the GW signal of the merger remnant can be reconstructed at advanced LIGO sensitivity up to a source luminosity distance of approximately 12 Mpc. A less massive NS binary at a softer equation of state (EOS) can lead to a similar peak oscillation frequency of the merger remnant as a more massive binary at a stiffer EOS.

Translation of abstract (German)

In dieser Arbeit werden Methoden entwickelt, um effiziente und skalierbare Vorhersagemodelle für die Sternentwicklung, die Endzustände von Kernkollaps-Supernovae (CCSN) und die Gravitationswellenemission von den Überresten der Verschmelzung binärer Neutronensterne (NS) mit Hilfe von überwachtem maschinellem Lernen zu konstruieren. Mit Hilfe der Vorhersagemodelle werden die folgenden zentralen wis- senschaftlichen Erkenntnisse gewonnen. Das endgültige Schicksal von massereichen Einzel- und Geber-Sternen in Doppelstern-Systemen, die einen Kollaps des Eisenkerns durchlaufen, ist nicht nur in der Struktur des SN-Vorläufers codiert, sondern bereits am Ende des Kern-Helium Brennens (CHeB) weitgehend vorherbestimmt. Das in dieser Arbeit entwickelte CCSN-Modell stimmt mit Abschätzungen der Kohlenstoff-Sauerstoff Kernmassen ($M_{CO}$) mehrerer beobachteter SN-Vorläufer überein, welche andere CCSN-Rezepturen, die typischerweise in schnellen Binärstern–Populationssynthese–Codes verwendet werden, nicht erklären können. Um das Problem der fehlenden Roten Überriesen teilweise mit gescheiterten SNe zu lösen, müssen Sternentwicklungsmodelle am Ende des CHeB MCO-Werte und einen zentralen Massenanteil an Kohlenstoff innerhalb eines begrenzten Bereichs des Parameterraums haben. Ein NS ist der wahrscheinlichere (garantiert für $M_{CO} \lesssim 6 \, M_\odot$, sonst mit einer Wahrscheinlichkeit von 85-90%) kompakte Überrest, der nach einer erfolgreichen SN zurüuckbleibt, denn die Bildung eines Schwarzen Lochs über Rückfall kann unter bestimmten Bedingungen bereits vor der SN ausgeschlossen werden. Wenn zwei Neutronensterne verschmelzen, kann das Gravitationswellen-Signal des Verschmelzungsüberrests bei fortgeschrittener LIGO Sensitivität bis zu einer Leuchtkraftentfernung von etwa 12 Mpc rekonstruiert werden. Ein masseärmerer NS-Doppelstern mit einer weicheren Zustandsgleichung (EOS) kann zu einer ähnlichen Peak-Oszillationsfrequenz des Verschmelzungsüberrests führen wie ein massereicherer NS-Doppelstern mit einer steiferen EOS.