Dans les nuages sombres de gaz interstellaire où naissent les étoiles, la matière se rassemble en nœuds denses – les futurs berceaux des astres. Les astronomes mesurent les distances entre ces nœuds à partir de photographies du ciel, mais une photographie est plate, alors que le nuage est en volume. Convertir le plan en volume n'est pas aussi simple qu'il y paraît.
On suppose généralement que la distance plane entre deux nœuds voisins doit être multipliée par 4/π ≈ 1,27 pour obtenir la distance volumique. Mais les auteurs ont montré que la projection non seulement raccourcit les distances, mais change aussi qui est voisin de qui. Des nœuds proches sur le ciel peuvent être éloignés dans l'espace, et inversement. Et si le télescope voit flou, les nœuds proches fusionnent en un seul, et les distances semblent plus grandes.
Les scientifiques ont mené des expériences informatiques avec des modèles de nuages de formes et de tailles variées. Il s'est avéré que la correction dépend du nombre de nœuds visibles et de la netteté avec laquelle le télescope les distingue. Pour les petits échantillons ou ceux qui sont flous, la distance volumique réelle n'est supérieure à la distance plane que de 20 à 40 %. Pour les grands échantillons nets, elle est environ deux fois plus grande.
Désormais, les astronomes peuvent convertir plus précisément les distances entre les berceaux stellaires. C'est important pour comprendre comment le nuage se fragmente en morceaux et pourquoi les étoiles naissent à certaines distances les unes des autres. Les erreurs de cette conversion sont généralement de 30 à 40 %, mais c'est mieux qu'une supposition aveugle.
tel que rédigé par les auteurs, en anglais 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]
Dans un nuage moléculaire typique, il y a de quelques dizaines à quelques centaines de nœuds denses où des étoiles pourraient s'allumer, et les distances entre eux sont comparables à la taille du Système solaire multipliée par des milliers.