En las oscuras nubes de gas interestelar donde nacen las estrellas, la materia se acumula en densos nudos: las futuras cunas de los astros. Los astrónomos miden las distancias entre estos nudos a partir de fotografías del cielo, pero la fotografía es plana, mientras que la nube es tridimensional. Convertir del plano al volumen no es una tarea tan sencilla como parece.
Normalmente se asume que la distancia plana entre nudos vecinos debe multiplicarse por 4/π ≈ 1,27 para obtener la distancia volumétrica. Pero los autores demostraron que la proyección no solo acorta las distancias, sino que también cambia quién se considera vecino de quién. Nudos que aparecen cercanos en el cielo pueden estar muy separados en el espacio, y viceversa. Además, si el telescopio no tiene una visión nítida, los nudos cercanos se fusionan en uno solo y las distancias parecen mayores.
Los científicos realizaron experimentos computacionales con modelos de nubes de diversas formas y tamaños. Resultó que la corrección depende de cuántos nudos se ven y con qué nitidez los distingue el telescopio. Para muestras pequeñas o poco nítidas, la distancia volumétrica real es solo un 20–40% mayor que la plana. Para muestras grandes y nítidas, es aproximadamente el doble.
Ahora los astrónomos pueden convertir con mayor precisión las distancias entre las cunas estelares. Esto es importante para entender cómo se fragmenta la nube y por qué las estrellas nacen a ciertas distancias unas de otras. Los errores de esta conversión suelen ser del 30–40%, pero es mejor que una suposición a ciegas.
tal como lo escribieron los autores, en inglés arXiv:2601.20928
Stars form as molecular clouds fragment into networks of dense cores, filaments, and subclusters. The characteristic spacing of these cores is a key observable imprint of fragmentation physics and is commonly measured using nearest-neighbour (NN) statistics. However, NN separations are derived from projected two-dimensional (2D) positions, while fragmentation occurs in three dimensions (3D). Using spherical and fractal toy models, we show that the standard geometric deprojection factor of $$4/\pi\simeq1.27$$ is inadequate because projection not only foreshortens separations but also rewires the NN network, while finite angular resolution merges close neighbours and inflates apparent spacings. We quantify these competing biases with Monte Carlo experiments spanning a wide range of morphologies, sample sizes, and effective resolutions. From these we derive an empirical correction factor that depends on both sample size and resolution: for small ($$N\lesssim10$$) or poorly resolved samples ($$\lesssim$$10 resolution elements across the field), intrinsic NN spacings exceed projected values by only 20 to 40%, whereas for well-sampled ($$N\gtrsim100$$), well-resolved data ($$\gtrsim$$30-50 resolution elements), true 3D separations are typically larger by a factor of $$\sim$$2. This calibration enables observers to convert measured 2D NN spacings into corresponding 3D estimates, with typical morphology-driven uncertainties of order 30 to 40%, and we demonstrate how it alters inferred fragmentation scales in observed and simulated core populations. [abridged]
En una nube molecular típica, los densos nudos donde podrían encenderse estrellas son de decenas a cientos, y las distancias entre ellos son comparables al tamaño del sistema solar multiplicado por miles.