外向流对分子云的反馈 - 对活跃恒星形成区Cygnus的研究

We plan to study the outflow feedback in the active star-forming region Cygnus complex with “Milky Way Imaging Scroll Painting” survey data. Protostellar outflows are the most essential feedback mechanism on their parent clouds. Such feedback activity is responsible for the supersonic turbulence that suppresses the star forming process, and also causes gravitational instabilities that may trigger the next generation of star formation. The key topics of our project include: the identification and statistical study of molecular outflows, and estimation of energy contribution of outflow feedback processes in different molecular clouds. Identification using machine learning algorithm has been tested in a demonstration region, which shows such method can be efficiently applied to the big data set of the whole Cygnus complex. By comparing the results with multi-wavelength data, we expect to achieve a better understanding of how the outflow feedback regulates the formation of stars.

我们计划利用“银河画卷”巡天数据研究活跃的天鹅座恒星形成区中的外向流反馈。原恒星的外向流是其对母体分子云重要的反馈机制。这些反馈一方面是超声速湍动的能量来源，这种湍动会抑制恒星形成的过程；另一方面反馈会导致分子云的引力不稳定性，触发下一代的恒星形成。我们研究的主要内容包括：分子外向流的认证和统计研究、对比不同分子云中外向流反馈对分子云湍动的贡献。我们在一个试验区域进行了机器学习认证的尝试，结果显示该方法能够高效率的将研究对象扩展到整个天鹅座分子云复合体的大量数据中。通过与多波段数据的对比，我们希望对外向流反馈调节恒星形成的过程有更深入的理解。

分子外向流在恒星形成区广泛存在，它们被认为是原恒星演化的必经阶段。外向流作为恒星形成的关键一环，不仅记录着年轻星物质喷出的历史，还与原恒星的质量吸积、对环境气体的反馈等过程相关。本项目聚焦于分子外向流这一恒星形成活动的重要特征。在项目期内，基于“银河画卷”三条CO同位素谱线巡天数据，我们开发了基于机器学习算法的认证流程，完成了天鹅座分子云复合体的分子外向流的认证和性质统计工作。这些外向流位于致密分子气体中，或聚集成团或排布在纤维状气体结构中。通过与文献中的外向流样本对比，我们找到了外向流尺度-质量之间的紧密相关性，极大的降低了前人统计中的弥散。这些外向流所提供的能量不足以支持分子云尺度的湍动能，而至多能在较短的时标内支撑团块或云核尺度的湍动。作为可能的湍动能来源，我们添加了其他气体运动特征（如云云碰撞、内落运动等）的研究与外向流对比。此外，基于已认证的样本库，我们升级了认证流程，并完成了北天银道面的分子外向流发射的认证。