Test de la technique de marquage chimique avec des amas ouverts

Testing the chemical tagging technique with open clusters

• Auteur / Autrice : Sergi Blanco-Cuaresma
• Direction : Caroline Soubiran
• Type : Thèse de doctorat
• Discipline(s) : Astrophysique, plasmas, nucléaire
• Date : Soutenance le 30/09/2014
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Partenaire(s) de recherche : Etablissement d'accueil : Université Bordeaux-I (1971-2013)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Astrophysique de Bordeaux
• Jury : Président / Présidente : Jonathan Braine
• Jury : Examinateurs / Examinatrices : Ulrike Heiter, Alejandra Recio-Blanco, Ulrike Heiter
• Jury : Rapporteur / Rapporteuse : David Montes, Philippe Prugniel

Mots clés

Mots clés contrôlés

Spectroscopie

Étoiles -- Amas ouverts

Analyse

Abondances cosmiques

Formation stellaire

Mots clés libres

Spectroscopie

Amas ouverts

Abondances chimiques

Etoiles

Galaxies

Spectroscopy

Open clusters

Chemical abundances

Stars

Galaxy

Résumé

Contexte. Les étoiles naissent ensemble dans des nuages moléculaires géants. Si nous faisons l’hypothèse qu’ils étaient à l’origine chimiquement homogènes et bien mélangés, nous nous attendrions à ce que les étoiles issues d’un même nuage aient la même composition chimique. La plupart des groupes d’étoiles sont perturbés lors de leur évolution dans la galaxie et l’information dynamique est perdue. Ainsi la seule possibilité que nous ayons de reconstruire l’histoire de la formation stellaire est d’analyser les abondances chimiques que l’on observe aujourd’hui.But. La technique de marquage chimique a pour but de retrouver les amas d’étoiles dissociés en se basant uniquement sur leur composition chimique. Nous évaluons la viabilité de cette technique pour retrouver les étoiles qui sont nées dans un même amas mais qui ne sont plus gravitationnellement liées.Méthodes. Nous avons créé une librairie de spectres stellaires de haute qualité afin de faciliter l’évaluation des analyses spectrales. Nous avons développé notre propre outil d’analyse spectrale, nommée iSpec, capable d’homogénéiser les spectres stellaires venant de tous types d’instruments et de dériver les paramètres atmosphériques et les abondances chimiques. Finalement, nous avons compilé des spectres stellaires d’étoiles de 32 amas ouverts, nous avons dérivé de façon homogène les paramètres atmosphériques et les abondances de 17 espèces, et nous avons utilisé des algorithmes d’apprentissage automatique pour grouper les étoiles en se basant sur leur composition chimique.Résultats. Nous avons trouvé que les étoiles à des étapes d’évolution différentes ont des motifs chimiques distincts qui peuvent être dus à des effets NLTE,de diffusion atomique, de mélange et de corrélation à partir des déterminations de paramètres atmosphériques. Quand nous séparons les étoiles suivant leur stade d’évolution, nous observons qu’il y a un important degré de recouvrement dans la détermination des signatures chimiques des amas ouverts. Ceci rend difficile de retrouver les groupes d’étoiles nées ensemble en utilisant la technique de marquage chimique.

Context. Stars are born together from giant molecular clouds and, if weassume that they were chemically homogeneous and well-mixed, we expect them toshare the same chemical composition.Most of the stellar aggregates are disrupted while orbiting the Galaxy and thedynamic information is lost, thus the only possibility to reconstruct the stellarformation history is to analyze the chemical abundances that we observe today.Aims. The chemical tagging technique aims to recover disrupted stellarclusters based merely on their chemical composition. We evaluate the viability of thistechnique to recover conatal stars that are not gravitationally bound anymore.Methods. We built a high-quality stellar spectra library to facilitate theassessment of spectral analyses. We developed our own spectral analysisframework, named iSpec, capable of homogeneizing stellar spectra and derivingatmospheric parameters/chemical abundances. Finally, we compiled stellar spectrafrom 32 Open Clusters, homogeneously derived atmospheric parameters and 17abundance species, and applied machine learning algorithms to group the starsbased on their chemical composition. This approach allows us to evaluate theviability of the chemical tagging technique.Results. We found that stars in different evolutionary stages havedistinguished chemical patterns may be due to NLTE effects, atomic diffusion, mixingand correlations from atmospheric parameter determinations. When separating starsper evolutionary stage, we observed a high degree of overlapping among OpenCluster’s chemical signatures, making it difficult to recover conatal aggregates byapplying the chemical tagging technique.