红巨星|大数据时代银河系红巨星的“星口普查”

自1953年第一次全国人口普查以来 , 我国已经开展了7次人口普查 , 之前的普查工作均是由街道办事处挨家挨户的摸查盘点完成 , 规模浩荡 , 费时费力 , 获取人口的年龄分布更是困难重重 。
随着大数据智能时代的到来 , 人口普查的方法有了很大进步 。通过人工智能 , 大数据可以快速捕捉到人口信息 , 从而较为便捷地完成人口普查工作 , 可以说大数据智能化的出现为人口普查的变革提供了一个重要契机 。
红巨星|大数据时代银河系红巨星的“星口普查”
文章图片
图1. 人口普查漫画 (图源:网络)
放眼宇宙 , 天文学家也一直致力于对数不胜数、形形色色的天体做一个统计学意义上的“星口普查” 。而恒星们的年龄信息对于天文学家而言更是“天大”的秘密 。人工智能可否有助于天体物理大数据背景下的“星口普查” , 揭开恒星年龄之谜?天文学家给出了答案 。
恒星年龄:“星口普查”的难点
恒星 , 作为宇宙尺度里的最小基本单元 , 自上个世纪以来 , 成为人类探究星系结构、起源和演化的重要工具 。我们生活的银河系就有着几千亿颗恒星 , 这些恒星处于不同的演化阶段 , 它们的寿命与其质量紧密相连 。
红巨星|大数据时代银河系红巨星的“星口普查”
文章图片
图2. 恒星演化示意图(图源:维基百科)
恒星的基本性质主要取决于三个基本量:初始质量、最初各类化学元素的含量(化学丰度)和年龄 。然而对这些基本量 , 尤其是质量和年龄的直接测量十分困难 。对于双星而言 , 我们可以通过物理结构直接得到它们的质量 , 而单星的质量测量需要依赖于恒星演化模型 。由于缺乏精确的宇宙“时钟” , 对恒星年龄的直接测量几乎是不可能的 , 我们只能通过恒星演化模型间接对年龄进行估计 。如何更精准的确定恒星年龄也成为了天文学者一直努力探索的研究热点 。
观测上 , 我们主要有两种手段获得大样本恒星的基本信息 , 一是通过测光或光谱测量分析恒星大气的基本参数 , 包括表面有效温度、表面重力加速度(或者光度)、各种化学元素丰度等;利用大气参数结合恒星演化模型我们可以进一步对质量、年龄进行估计 。这就如同医学上通过测定表面皮肤组织的结构来推断人的年龄 。
另一种常用手段是星震学分析 , 正如地震可以使地理学家了解地球内部构造一样 , 恒星震动也可以让天文学家推算遥远恒星的内部结构和性质 , 从而进一步获取恒星的质量、年龄等信息 。
相较于第二种方法 , 第一种方法确定恒星年龄有明显局限性 , 该方法仅能对处于特殊演化阶段的部分恒星(如主序拐点星、亚巨星)年龄进行估计 , 且目前估算精度最高可以达到20% 。且这一方法很难估计处于主序星和红巨星阶段的恒星年龄 。而宇宙中大部分恒星处于主序阶段;由于观测亮度的局限 , 我们观测到的大部分亮星则是处于红巨星阶段及之后的演化阶段 。
相比之下 , 星震学方法则可以给出类太阳振动恒星相对准确的质量估计 , 这为推测恒星年龄提供了可能 。
红巨星:银河系成长的“见证者”
与人类相似 , 恒星也有它们的婴儿时期 , 青年时期 , 中年阶段以及老年阶段 。恒星演化到不同的年龄阶段就会表现出不同的特征 。说到恒星演化 , 我们自然会想到天文学家手里实用的工具之一---赫罗图 。通过天文观测我们可以得到恒星的光度(或绝对亮度) , 以及恒星的有效温度(或者光谱型、色指数) , 将这两个量作为坐标轴绘制的关系图就是赫罗图 。通过赫罗图我们可以较为清晰地看到恒星的演化规律 。从赫罗图的右下角到左上角有一条带 , 大部分恒星都集中在这条带上 , 称为“主序带” 。

猜你喜欢