Repeating flares, X-ray outbursts and delayed infrared emission: A comprehensive compilation of optical tidal disruption events

Planteamiento del Problema
Se propone que los eventos de disrupción de marea (TDE, por sus siglas en inglés) son laboratorios valiosos para estudiar agujeros negros supermasivos (SMBH) latentes. Sin embargo, el progreso en este campo se ha visto significativamente obstaculizado por el número limitado de eventos observados. Si bien se detectan aproximadamente entre 10 y 20 nuevos TDE ópticos anualmente, no existía un catálogo exhaustivo y unificado que facilitara análisis estadísticos robustos. La falta de un conjunto de datos consolidado con fotometría y espectroscopía de múltiples longitudes de onda impidió los estudios de población a gran escala necesarios para comprender la diversidad y los mecanismos físicos de estos eventos.

Metodología
Los autores construyeron TDECat, un catálogo exhaustivo de 134 TDE confirmados descubiertos hasta finales de 2024. El proceso de selección de la muestra consistió en:

• Fuentes de Datos: Recuperación de 105 fuentes del Transient Name Server (TNS) y 29 fuentes de la literatura publicada (incluyendo estudios de Hammerstein et al. 2023 y Yao et al. 2023).
• Criterios de Inclusión: El catálogo principal incluye eventos con al menos una detección de encuesta fotométrica óptica y un espectro de clasificación disponible en el momento del estallido (flare). También incluye TDE con espectros sin rasgos definidos y tres TDE con chorros (jets) en el eje (on-axis) ampliamente aceptados. Las fuentes que carecían de espectros en el tiempo del estallido fueron designadas como "candidatos a TDE" en una tabla suplementaria separada.
• Compilación de Datos: Los autores agregaron datos fotométricos públicamente disponibles (rayos X, UV, óptico e infrarrojo) de sondeos que incluyen ZTF, ASAS-SN, ATLAS, Pan-STARRS, CRTS, Swift, Chandra, XMM-Newton y NEOWISE. Todas las magnitudes fueron convertidas al sistema AB. Los datos espectroscópicos se obtuvieron de TNS, WISeREP y tablas específicas de la literatura.
• Técnicas de Análisis:
  • Análisis de Curvas de Luz: Se aplicó un algoritmo de Bloques Bayesianos (Bayesian Blocks) a 103 estallidos para determinar la duración, el tiempo de ascenso ($t_{rise}$), el tiempo de decaimiento ($t_{decay}$) y su razón.
  • Pruebas Estadísticas: Se utilizaron las pruebas de Kolmogorov-Smirnov (KS) y Anderson-Darling (AD) para evaluar la distribución de las escalas de tiempo y los desplazamientos al rojo (redshifts). Se empleó la Regresión de Distancia Ortogonal (ODR) para analizar la correlación entre los tiempos de ascenso y decaimiento.
  • Clasificación Espectral: Los eventos se categorizaron en cuatro clases (TDE-H, TDE-H+He, TDE-He, TDE-sin rasgos) basándose en definiciones establecidas.
  • Análisis de Submuestras: Los autores investigaron subpoblaciones específicas: estallidos repetitivos, eventos emisores de infrarrojo (IR) y eventos emisores de rayos X, probando si sus clases espectrales se distribuían aleatoriamente respecto a la muestra completa.

Contribuciones Clave

1. Catálogo TDECat: La contribución principal es la publicación de un conjunto de datos unificado que contiene 134 TDE confirmados (131 ópticos y 3 con chorro/jetted) con fotometría y espectros de múltiples longitudes de onda, accesible a través de un repositorio de GitHub y una aplicación de Python.
2. Identificación de Nuevos Eventos Repetitivos: El estudio identificó tres nuevos TDE potencialmente repetitivos (AT 2024pvu, AT 2022exr y AT 2021uvz) mediante observaciones de archivo, aumentando la población conocida de eventos repetitivos.
3. Métricas Estandarizadas de Curvas de Luz: La aplicación del algoritmo de Bloques Bayesianos proporcionó un método consistente para derivar los tiempos de ascenso y decaimiento para una gran muestra (103 estallidos), superando las limitaciones previas de tamaños de muestra pequeños.

Resultados

• Distribuciones de Escalas de Tiempo: Se encontró que las distribuciones de la duración del estallido, el tiempo de ascenso, el tiempo de decaimiento y la razón $t_{rise}/t_{decay}$ siguen una distribución log-normal. Se confirmó una correlación positiva entre los tiempos de ascenso y decaimiento ($\log_{10}(t_{rise}) = 0.915 \log_{10}(t_{decay}) - 0.31$), contradiciendo hallazgos anteriores de muestras más pequeñas que sugerían la ausencia de correlación.
• Clasificación Espectral: La mayoría de los TDE ópticos (60.3%) pertenecen a la clase TDE-H+He, seguidos de TDE-H (17.6%), TDE-He (12.2%) y TDE-sin rasgos (9.9%). Esta distribución se alinea con las expectativas para la disrupción de estrellas de la secuencia principal.
• Estallidos Repetitivos: En los 11 TDE de estallidos repetitivos identificados, los estallidos secundarios exhibieron generalmente formas similares a los estallidos primarios. Los autores analizaron mecanismos como TDE parciales (pTDE), disrupciones de binarias estelares y eventos separados, encontrando que los pTDE y las disrupciones de binarias son explicaciones plausibles para la mayoría de los casos, mientras que los eventos separados son estadísticamente improbables para fuentes con separaciones de tiempo cortas.
• Correlaciones de Múltiples Longitudes de Onda:
  • IR y Rayos X: Existe una fuerte correlación potencial entre la emisión de IR y rayos X; 14 de los 18 TDE con estallidos de IR tenían detecciones asociadas de rayos X. Las pruebas estadísticas rechazaron la hipótesis nula de asociación aleatoria ($P \approx 3.3 \times 10^{-4}$).
  • Submuestras Espectrales: Se encontró que las clases espectrales dentro de las submuestras (estallidos repetitivos, emisores de IR y emisores de rayos X) son improbables de estar distribuidas aleatoriamente, lo que sugiere una conexión entre las características espectrales y las propiedades de emisión de múltiples longitudes de onda.
• Desplazamiento al Rojo (Redshift): La distribución de redshift de la muestra sigue una distribución log-normal, probablemente influenciada por efectos de selección observacional y la densidad de galaxias locales.

Significancia
El artículo afirma que TDECat proporciona una herramienta esencial para navegar la "era rica en datos" de los próximos sondeos como el Legacy Survey of Space and Time (LSST). Al permitir estudios de población a gran escala a través de longitudes de onda y clases espectrales, el catálogo permite análisis estadísticos robustos que antes eran imposibles debido a los tamaños de muestra reducidos. Los autores enfatizan que las distribuciones log-normales derivadas y las correlaciones identificadas entre las clases espectrales y las propiedades de emisión de múltiples longitudes de onda pueden utilizarse para generar datos simulados (mock data) para futuros estudios estadísticos y aplicaciones de aprendizaje automático, ayudando en la interpretación de las decenas de TDE que se espera capturar cada noche en los futuros sondeos.