當前位置:
首頁 > 科技 > 人類歷史上第一顆確定的千新星爆炸是如何被發現的?

人類歷史上第一顆確定的千新星爆炸是如何被發現的?


?

作者用DLT40項目組對NGC4993星系最近一年的監視圖像製作的視頻,描述了千新星DLT17ck的爆發瞬間圖像。雙中子星合併的模擬動畫由NASA提供。



撰文 | 楊

聖(義大利帕多瓦天文台博士、加州大學戴維斯分校訪問學者)


責編 | 陳曉雪


 


 

 




美國東部時間2017年10月16日,星期一。上午十點,美國國家科學基金委聯合LIGO,VIRGO,費米伽瑪射線太空望遠鏡以及在光學和射電波段作出主要貢獻的望遠鏡負責人,在美國華盛頓特區召開新聞發布會,宣布人類歷史上首次利用引力波、電磁波和中微子等多種觀測手段同時探測到了一顆大概率是雙中子星合併類型的變源

(注1)


 


人類正式開啟多信使天文學時代


 


這顆天體源於2017年8月17號被探測到,在引力波段叫GW170817,在伽馬波段叫GRB170817a,在光學上叫AT2017gfo/sss17a/DLT17ck。這一事件標誌著人類正式開啟多信使天文學的時代,令人無比振奮。


 


LCOGT

(Las Cumbres Observatory Global Telescope)

項目組的Lair Arcavi博士在Facebook上興奮地寫道:「無與倫比,這是我一生中最重要的時刻。」由於LIGO與所有參與後續觀測的項目組簽訂過協議,LIGO公布引力波信息以後

(即新聞發布會之後)

,其他項目組方可公布自己的觀測結果。不過,歐洲的一位資深教授還是按捺不住自己的激動心情,在公共場合提前討論這顆源後備受指責。


 


提前收到消息的各大雜誌社對於這顆源相關的所有文章進行快速審稿,《自然》和《科學》甚至把出刊的時間提前到了10月17號星期二,就是為了配合16號新聞發布會後,第一時間刊發相關論文。據統計,17號當日就釋放了81篇相關文章,其中包括6篇《自然》,一篇《自然-天文》,8篇《科學》,一篇《物理評論快報》和39篇《天體物理雜誌快報》

(注2)

 


人類歷史上第一顆確定的千新星


 

通常,人類很難同時找到一顆天體源的各種輻射信息。有的時候我們只看到了引力波,有的時候我們只看到了伽馬暴,有的時候我們又只看到了超新星。這次天文事件如此轟動,最重要的原因就是我們得到了這顆源的所有觀測手段的信息,這些信息可以相互限制、相互佐證,這也就是多信使天文學的意義所在。而對於千新星這種快速瞬變的天體源而言,這次的發現也非常重要。如圖1所示,DLT17ck周圍都是空白,表明人類對時標極短的亮源所知甚少,而這顆千新星是人類歷史上第一顆確定的千新星

(注3)


 


?

圖1 DLT40項目組統計的,人類至今觀測到的大量變源在時間尺度和絕對星等上的分布圖。作者繪製。




我很榮幸作為DLT40

(Distance Less Than 40 Mpc)

項目組核心成員,與加州大學戴維斯分校的Stefano Valenti教授和亞利桑那大學的David Sand教授通過一台40厘米口徑的PROMPT5望遠鏡,在光學波段獨立發現了這顆雙中子星變源產生的千新星爆炸。同時,我也作為義大利國家天文台引力波項目組

(Grawita, Gravatational Wavw Inaf Team)

的成員,為這顆源最終被識別為千新星貢獻了光譜認證。


 


那是一個平凡的早晨,美國西部時間2017年8月17號凌晨五點左右,Fermi GBM和LIGO相繼發布內部通知,宣布找到了一個雙中子星併合類型的天體源,這立刻引起了天文界的極大重視。LIGO之前找到的都是是雙黑洞合併類型引力波源,對於這類源,天文學家普遍不相信會有電磁信號,我曾經和多位天文學家也聊到過這個問題,暗能量相機項目組

DECam,

Dark Energy Camera)

的James Annis教授就認為雙黑洞源不可能產生電磁信號。他們之所以還觀測雙黑洞源,更多是想檢測儀器和軟體的性能,對未來作出一定的預測。而我的導師,Grawita項目組的Enrico Cappellaro教授則認為說不定會有很奇怪的源,讓我們搜搜看。但是有中子星參與的合併系統就不一樣了,很多的研究都預測這類系統會產生一種叫做千新星的快速光學源,這類源爆發期可以達到普通新星亮度的一千倍,之後會在短短几天內迅速消失。當天早上八點左右,我根據

費米伽瑪射線太空望遠鏡

的伽馬暴源範圍、LIGO/VIRGO聯合限制的引力波源範圍計算出了60個在DLT40星系庫里的待觀測星系,並發給了我們位於智利的望遠鏡,等待夜晚的觀測。


 


誰也不知道晚上會發生什麼。加州時間下午五點左右,Stefano Valenti開始分析智利傳來的星系圖像,當他看到那顆千新星圖像的時候,第一時間他是不相信的。於是,他又重新拍了一遍那個星系,並通過減去幾個月前的星系圖像,算出圖像的殘差,確定有一顆變源,並詳細算出了亮度、坐標和探測時間等相關信息,我們將其命名為DLT17ck。當我們把GCN

(Gamma-ray Burst Coordinates Network,直譯為伽馬暴坐標網路,是最先在伽馬暴領域應用的一種內部通訊系統,注4)

發出去的時候,1M2H項目組

(1 Meter 2 Hemisphere,用swarp望遠鏡全球第一個發現這顆千新星的課題組)

已經發出了GCN,但是他們給出了錯誤的亮度,Decam 項目組也發出GCN,宣布也看了這顆源。根據GCN顯示,我們是第一個探測到的,大家都很興奮,因為大家都清楚這顆源的意義,然而過了一個小時,1M2H項目組更新了GCN,宣稱其探測時間早大約二十分鐘,這樣很遺憾,我們錯過了這顆千新星的第一個光學探測。事後經LIGO確認,2017年8月17號當晚全世界有六個項目組在光學上獨立探測到這顆源的

(如圖2)


 


?

全世界獨立發現這顆千新星的六個光學探測組的圖像,以及X射線和射電波段的首個探測圖像。APJL, 848: L12。




小視場的星系跟隨策略


 


DLT40項目是一個光學波段的星系巡天項目,旨在第一時間內發現快速變源。我們有一個大概2000個星系組成的DLT40星系庫,這些星系是我們從GWGC星系庫

(Gravitational Wave Galaxy Catalogue)

里篩選出來的,主要針對在40Mpc

(Mpc,兆秒差距,即10的六次方秒差距,秒差距是一個天文單位,約等於3.26光年,光年也是一個天文單位,表示光一年走過的路程。1Mpc約等於3*10的22次方米)

距離以內的星系。我們很幸運,因為GWGC星系庫里顯示NGC4993

(這顆千新星的寄主星系,NGC,即New General Catalogue,是一個星系表,NGC4993是這個星系表裡排名第4993的一個星系的名字)

的距離是39.5Mpc,剛好滿足我們的篩選條件,不然,當晚我們可能會錯過觀測這顆千新星的寄主星系。事後證實,NGC4993可能是在40.5Mpc的距離。


 


平時,我們會對這2000個星系進行跟蹤觀測,當LIGO發現引力波信號後,我們會第一時間根據LIGO分享的引力波位置,從中選擇較高概率的星系進行後續觀測。這次取得成功的望遠鏡,大部分採用和DLT40相同的策略,即小視場的星系跟隨策略。我們知道,天文上變源探測的三要素是搜尋範圍,搜尋深度和探測時間。這種星系搜尋策略的圖像處理簡單,探測時間相對短,使得我們可以在第一時間找到變源,從而研究其前身星在爆炸瞬間的物理過程。但這種策略的前提是,你必須事先就有一個比較完整的星系表能夠準確告訴你每個星系的位置。


 


目前為止,最全的星系表GLADE

(Galaxy List for the Advanced Detector Era)

在大約70Mpc的距離以內都是很完整的,但若超出這個距離範圍,星系的信息會很不全,星系搜尋策略就束手無策了,我們被迫只能選擇大視場盲搜。大視場盲搜策略相對而言有更大的搜尋範圍,因為一般是大口徑望遠鏡的選擇,所以往往也會有更深的搜尋深度,但是大視場意味著意味著需要更多的圖像處理時間,意味著更多的候選天體,意味著很難在第一時間準確找到那顆可能的源。以Grawita使用的歐南台2.6米口徑VST望遠鏡為例,我們的視場是一個平方度,這個視場大概需要花費十幾分鐘來減兩幅圖像並識別可能的變源,而對於引力波源,我們一般需要觀測幾十甚至幾百個平方度,這會使得我們需要一到兩天時間來處理所有的圖像,而每幅圖像平均可以找到成百上千顆變源,我們通過肉眼來一顆一顆甄別的後果可能是當我們找到我們的目標源時,已經過去了一個禮拜。一個禮拜對於某些類型的超新星尚還可以接受,但是對於千新星這種類型的快速瞬變源,一個禮拜意味著我們已經永遠看不見了。


 


人工智慧對於天文學研究意義重大


 


未來的引力波對應體的後續電測觀測,大視場盲搜必將成為唯一選擇,而如何解決快速探測的問題呢?唯有並行運算和人工智慧,並行運算可以一定程度上減少運行軟體的時間,而面對如此多的候選天體,已經遠遠超出了人類判斷的極限,人工智慧AI將成為天文學家的唯一選擇。


 


現階段,很多大型望遠鏡,比如帕洛馬瞬變工廠

(PTF)

和泛星計劃

(Pan-STARRS)

已經開始做這方面的準備,我們也在為歐南台VST望遠鏡和即將竣工投入使用的LSST望遠鏡準備機器學習的相關程序。機器學習屬於一種比較低等級的實現人工智慧的方法,主要依靠一些演算法來解析數據,通過選擇能夠代表數據的特徵值以及相對於的數據的標籤值訓練機器,從而使掌握技能後的機器幫助我們判斷新的數據。比如對於天文圖像,可以選擇的最簡單的特徵值就是一個包含了目標源的像素值矩陣。如圖3,對於不同類型的目標源,這個特徵矩陣會顯示出不同的特性。當然我們在處理圖像的過程中也會得到很多圖像的參數,如圖4,可以通過不同類型天體源對不同參數的成團性進行機器學習。


 


?

圖3 DLT40項目發現的一些代表性源的照片和像素值,我們可以選取天體源周圍的像素值矩陣作為特徵來進行機器學習。由作者繪製。




?

圖4 DLT40項目組統計的一些天體源,基於某種類型參數的成團性分析,選取一些比較有代表性的參數對天體源進行機器學習也是一種選擇。




明年8月,LIGO和VIRGO會在升級完成後進行新一輪的引力波運行。隨著日本神岡引力波探測器,印度LIGO等引力波探測器的相繼加入,我們有理由相信引力波的探測範圍會越來越精確,探測深度會越來越遠,大視場盲搜策略也會越來越高效,越來越多的多信使天體源會被人類發現,人類將能更加精確地了解天體物理過程,從而更加精確地了解宇宙的過去和未來。


 


註:


1. 變源是指一定時間範圍內在光度上有變化的天體源,這類天體源多是恆星死亡爆炸的產物,比如超新星,伽馬暴等。


2. 因發現GW170817 發表的論文有多少篇?請看此鏈接: https://lco.global/~iarcavi/kilonovae.html。感謝LCOGT項目組的 Maria Drout,Iair Arcavi 和Stefano Valenti的整理。


3. https://kilonova.space,匯總了人類至今發現的一顆千新星和4顆千新星候選體的各類相關信息。


4. 當有人發現伽馬暴源,會第一時間把坐標信息公布,以方便全球同領域的其他科學家跟隨觀測,類似於光學上的Atel,The Astronomer』s telegram。LIGO運行之後,做的LIGO GCN也有著相同的功能,當用戶在LIGO的網站GraceDB上註冊之後,可以選擇郵件或者電話接受GCN,也可以在GraceDB上查詢以往的GCN,本文所指的GCN都特指LIGO GCN。


 


參考文獻:


1.Abbott et al, Multi-messenger Observations of a Binary Neutron Star Merger, 2017, APJL, 848: L12


2.Valenti, Sand, Sheng et al, The discovery of the electromagnetic counterpart of GW170817: kilonova AT 2017gfo/DLT17ck, 2017, APJL, 848: 2


3.Wright et al, Machine learning for transient discovery in Pan-STARRS1 difference imaging, 2015, MNRAS, 449: 451–466


4.Sheng et al, An empirical limit on the kilonova rate from the DLT40 one day cadence Supernova Survey, 2017, APJL, arXiv:1710.05864


5. 楊聖,小口徑望遠鏡的逆襲:關於中子星合併,這些你並不知道.2017,《環球科學》


製版編輯: 許逸





本頁刊發內容未經書面許可禁止轉載及使用


公眾號、報刊等轉載請聯繫授權


copyright@zhishifenzi.com


歡迎轉發至朋友圈


▼點擊查看相關文章


非虛構寫作

|馬丁之死|蘭花進化謎團|天問專欄


青蒿素

|可燃冰|P值爭論|許晨陽

|博士後

|潘建偉


張毅|王曉東

|張啟發

|崔維成

|

張鋒

|

楊振寧

|

李佩


盧煜明

|

王小凡

|吳文俊

|袁鈞瑛

|

張純如

|劉若川





知識分子

為更好的智趣生活

ID:

The-Intellectual

投稿:

zizaifenxiang@163.com

長按二維碼,關注知識分子











▼▼▼

點擊「閱讀原文」,了解課程詳情,立享限時特惠!

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 知識分子 的精彩文章:

專訪龔怡宏之AI三國演義:日本因何衰落,美國如何強大,中國挑戰在哪裡
對雙一流評選與中國科研趕超邏輯的冷思考|教育觀察
新中國的中醫藥獻方與採風
12月6日,張宏江清華開講互聯網、大數據與AI | 報名
教育觀察:對雙一流評選與中國科研趕超邏輯的冷思考

TAG:知識分子 |