kozmos.hr
  • Naslovnica
  • /
  • Astronomija
  • /
  • Opservatorij Vera C. Rubin tražit će primordijalne crne rupe među milijardama zvijezda
Astronomija

Opservatorij Vera C. Rubin tražit će primordijalne crne rupe među milijardama zvijezda

Ilustracija primordijalnih crnih rupa.
objavljeno

Početkom studenoga, Opservatorij Vera C. Rubin započinje desetogodišnje promatranje noćnog neba u sklopu programa Legacy Survey of Space and Time (LSST). Osim što će generirati najveću arhivu optičkih podataka u povijesti astronomije, ova misija ima ambiciju testirati jednu od najkontroverznijih hipoteza moderne kozmologije — postojanje primordijalnih crnih rupa kao mogućih nositelja tamne tvari.

Primordijalne crne rupe (engl. PBH) zamišljeni su kao objekti koji su nastali tijekom ekstremnih gustoća u prvim trenucima nakon Velikog praska. Za razliku od crnih rupa koje nastaju urušavanjem masivnih zvijezda, PBH bi mogli postojati u širokom rasponu masa — od planetarnih do astrofizičkih — i ne bi emitirali nikakvo zračenje.

LSST će ih pokušati detektirati mikrolećom: gravitacijskim efektom koji nastaje kad PBH prođe ispred pozadinske zvijezde i njezin sjaj privremeno poraste. Taj se porast događa u roku od nekoliko sati do nekoliko dana, ovisno o masi objekta. U teoriji, takve bi pojave LSST trebao redovito hvatati — u praksi, stvar je znatno složenija.

Statistika u službi detekcije

Porast sjaja zvijezde ne znači nužno da je ispred nje prošla primordijalna crna rupa. Slične efekte mogu proizvesti promjenjive zvijezde, smetnje u detektorima, šum u podacima ili atmosferski uvjeti. Ključni zadatak algoritama bit će razlikovati stvarne mikroleće od pozadinskih anomalija — s razinom pouzdanosti koja ne ostavlja prostor za sumnju.

Tim sa sveučilišta u Durhamu i Novom Meksiku testirao je nekoliko statističkih metoda na simuliranim podacima LSST-a. Cilj: razviti sustav u kojem je vjerojatnost lažne detekcije manja od jednog slučaja na deset milijuna opažanja.

Najlošije rezultate dao je klasični hi-kvadrat test (χ²), poznat iz osnovne statistike. Taj pristup uspoređuje oblik svjetlosne krivulje s modelom mikroleće, no osjetljiv je na šum i često pogrešno klasificira signale.

Mnogo bolje se pokazao algoritam strojnog učenja poznat kao Boosted Decision Tree (BDT), treniran na prepoznavanje razlika između statičnih i mikrolećnih uzoraka. Ipak, najprecizniji rezultati postignuti su Bayesovim informacijskim kriterijem (BIC), koji u analizu uključuje kaznu za kompleksnost modela, čime učinkovito filtrira slučajne fluktuacije.

Raščlamba rijetkih slučajeva

Idući korak bila je obrada statističkih repova — ekstremnih vrijednosti u izlaznim podacima BDT i BIC metoda. Modeliranjem tih rijetkih slučajeva dodatnim distribucijama, autori su dodatno smanjili broj lažno pozitivnih detekcija i povećali ukupnu pouzdanost.

Prema njihovim izračunima, već nakon prve godine rada LSST-a bit će moguće postaviti donje granice na masu potencijalnih primordijalnih crnih rupa. Tijekom desetljeća promatranja, ti će se parametri dodatno suziti, potencijalno omogućujući potvrdu ili isključenje PBH hipoteze u kontekstu tamne tvari.

Točan raspored i učestalost opažanja još nisu definirani. Simulacije korištene u istraživanju temelje se na okvirnim modelima, a ne na stvarnom radnom režimu Opservatorija Vera C. Rubin. Učestalost snimanja uvelike će utjecati na osjetljivost detekcije mikroleće, što znači da će se i modeli morati prilagoditi stvarnim uvjetima rada.

🔵 Pridružite se razgovoru!

Imate nešto za podijeliti ili raspraviti? Povežite se s nama na Facebooku i pridružite se zajednici znatiželjnih istraživača u našem Telegram kanalu. Za najnovija otkrića i uvide, pratite nas i na Google Vijestima.

Pozdrav svima! Hvala što čitate Kozmos.hr! Ja sam Ivan i dugi niz godina pišem o svermiu, astronomiji, znanosti, povijesti i arheologiji, a imao sam priliku sudjelovati i u dokumentarcima Science Discovery-ja te History Channel-a.