中国天眼FAST再立功,精确测量星际磁场强度,研究登Nature封面

简介: 中国天眼FAST再立功,精确测量星际磁场强度,研究登Nature封面
这是科学家依托「中国天眼」再次取得的重要科研成果之一。


坐落于贵州省黔南布依族苗族自治州平塘县大窝凼洼地的「500 米口径球面射电望远镜(FAST)」,被誉为「中国天眼」。自 2020 年 1 月 11 日对国内开放运行以来,已成为全球最大且最灵敏的射电望远镜,这预示着人类可以探索更深奥的宇宙未知地带。

在这短短两年时间里,「中国天眼」共发现约 500 颗脉冲星,成为自其运行以来世界上发现脉冲星效率最高的设备。年观测时长超过 5300 小时,已远超国际同行预期的工作效率。


1 月 6 日,「中国天眼」在中性氢谱线测量星际磁场取得了重大进展,登上《Nature》封面。这是科学家依托「中国天眼」再次取得的一批重要科研成果。

该研究采用原创的中性氢窄线自吸收方法,并首次利用这种方法实现了塞曼效应的探测,获得了强度为 3.8±0.3 微高斯的高置信度星际磁场测量,为解决恒星形成三大经典问题之一的「磁通量问题」提供了重要的观测证据。该研究由中国科学院国家天文台研究员李菂等领导的国际合作团队完成。

磁场问题是恒星形成的关键,我们以太阳为例,太阳在成为恒星之前,可以看做一团分子云,但分子云要形成高密度、高温度的恒星,会受到磁场的阻力。随着分子云聚集达到致密云核状态,磁通量会增加,磁场带来的阻力也随之增大,阻力不许其继续收缩。

李菂团队通过 FAST 观测分子云发现,磁通量在分子云收缩到致密状态之前,就已经被抵消掉了,而不是此前的双极耗散(在分子云变得致密之后,逆势增加的磁通量被双极耗散抵消)标准模型的预测,为解决恒星形成经典问题之一的「磁通量问题」提供了重要的观测证据。


论文地址:https://www.nature.com/articles/s41586-021-04159-x

利用 HINSA 技术,获得 L1544 的精确磁场强度

研究者开发了一种叫做 HI 窄自吸收(HI narrow self-absorption, HINSA)的技术,以提供从 HI 到 H_2 转变的探针。HINSA 追踪与 H_2 混合良好的冷原子氢,并通过碰撞提供必要的 H1 冷却(CNM 中无法提供)。

HINSA 接近 H_2 形成与破坏之间的稳定态,并与气体密度无关,因此能够探测到临界密度附近的转变。尽管此前已经报道过 HI 自吸收特征的塞曼(Zeeman)效应,但吸收成分的宽线宽度与扩散原子气体最为相关。考虑到 HINSA 通常具有较大多数分子谱线更高的亮度温度,因此不受损耗的影响,并可以在很宽的 H_2 密度范围内检测到。

研究者表示,HINSA 是一种非常有前景的分子气体塞曼探针。

L1544 是一个即将形成恒星的星际介质区域,在其中,HINSA 特征在低于 15K 的温度下具有很强的吸收倾斜角和几乎热化的窄线。HINSA 的非热线宽度和质心速度与 OH、CO 和 CO 分子的发射谱线非常接近,它们的柱密度具有很强相关性,表明了相当一部分原子氢位于 L1544 的冷却、隐蔽良好的部分。

因此,研究者假设 HINSA 采样的柱密度近似于从灰尘中获得的密度,尽管 HINSA 覆盖的表面面积大得多,具体如下图 1a 所示。先前使用 Arecibo 望远镜靠近 L1544 中心的 OH Zeeman 检测导致了 B_los = +10.8 ± 1.7 μG 的磁场强度,其中 B-los 是沿视线分布的磁场分量。

相比之下,使用绿岸射电天文望远镜(Green Bank Telescope, GBT)对距离 L1544 中心 6.0' (0.24 pc) 的四个包络位置的 OH Zeeman 观察导致了 B_los = +2 ± 3 μG 的边缘检测,但包络场的结构未定。

如下图 1 所示,研究者使用中国天眼 FAST,在距离 L1544 中心 3.6' (0.15 pc)、靠近 HINSA 柱密度峰值的 2.9′(0.12 pc) 光束中检测到了塞曼分裂,获得了 L1544 的精确磁场强度。



下图 2 展示了 Stokes I(v) 和 V(v) 参数的频谱,v 表示速度。图 2a 将 I(v) 分解为前景 HINSA 分量(component)、背景 WNM 分量以及 HINSA 和 WNM 之间的 3 个 CNM 分量。图 2b 为 HINSA 的塞曼分裂和 5 个分量的总体塞曼分布。


下图 3 展示了 HINSA、CNM1、CNM2、CNM3 和 WNM 等 5 个分量的塞曼分裂和 B_los。


以上仅是对研究提出方法的简单介绍,对天文领域感兴趣且看得懂的读者请移步原论文。

参考链接:https://mp.weixin.qq.com/s/KMxnNR4cs8Ms4fiLfXL95Qhttp://news.cyol.com/gb/articles/2022-01/06/content_aM47gtBVx.htmlhttps://wap.peopleapp.com/article/6447406/6332134

相关文章
|
4月前
|
机器学习/深度学习 人工智能
AI训AI惨遭投毒9次大崩溃,牛津剑桥等惊天发现登Nature封面!
【8月更文挑战第11天】牛津与剑桥大学研究揭示,AI模型若反复在自身生成的数据上训练,将遭遇“模型崩溃”,即性能严重退化,甚至遗忘真实世界的数据分布。此现象在《自然》杂志刊出,警示AI进化之路暗藏风险。实验显示,随着训练代际增加,模型倾向于生成更简单内容,丢失稀有信息,最终可能导致对现实世界的误解加深。此发现对AI领域的持续发展及模型可靠性提出了新的挑战。
205 60
|
4月前
|
机器学习/深度学习 人工智能
清华研究登Nature,首创全前向智能光计算训练架构,戴琼海、方璐领衔
【8月更文挑战第30天】清华大学研究人员在《自然》杂志上发表了一项开创性成果,提出了一种全前向智能光计算训练架构,解决了传统光学AI方法依赖电子计算机模拟和优化的问题,实现了光学系统的自学习和自设计。该架构通过将光学系统映射到参数化神经网络中,消除了反向传播需求,展示了在多个领域的广泛应用前景,如深度光学神经网络和高分辨率散射成像等。这一成果为光学AI的发展开辟了新道路,但实际应用中仍需克服一些挑战。论文详情见:https://www.nature.com/articles/s41586-024-07687-4
55 2
|
4月前
|
存储 人工智能
好玩不止《黑神话:悟空》,最科技city walk 2024外滩大会等你来逛!
🎉伙伴们!9月5日,蚂蚁数据部联合上海交通大学、复旦大学于上海 2024 外滩大会举办「DATA+AI」见解论坛。 DB-GPT最新大版本重磅功能将在本次论坛正式发布。 知名学者与行业领袖齐聚,带领我们在数据智能💻领域不断探索前进!
|
人工智能 算法 数据挖掘
DeepMind携AlphaCode登Science封面,写代码能力不输程序员
DeepMind携AlphaCode登Science封面,写代码能力不输程序员
119 0
|
机器学习/深度学习 Web App开发 人工智能
7 Papers & Radios | 中国天眼FAST登Nature封面;MIT提出可出题、做题、评分模型(2)
7 Papers & Radios | 中国天眼FAST登Nature封面;MIT提出可出题、做题、评分模型
265 0
|
机器学习/深度学习 人工智能 自然语言处理
7 Papers & Radios | 中国天眼FAST登Nature封面;MIT提出可出题、做题、评分模型(1)
7 Papers & Radios | 中国天眼FAST登Nature封面;MIT提出可出题、做题、评分模型
140 0
|
传感器
清华黑科技登Science子刊封面:圆管上贴个膜,秒变3D复杂结构
清华黑科技登Science子刊封面:圆管上贴个膜,秒变3D复杂结构
|
机器学习/深度学习 编解码 自然语言处理
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布(3)
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
322 0
|
机器学习/深度学习 编解码 算法
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布(2)
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
301 0
|
机器学习/深度学习 编解码 算法
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
222 0