Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

磁星形成之謎應該解開了吧!

臺北天文館_96
・2014/06/20 ・1974字 ・閱讀時間約 4 分鐘 ・SR值 546 ・八年級

eso1415a

磁星(magnetar)是性質非常奇特且密度極端緻密的超新星爆炸殘骸,它們也是宇宙中磁場強度最強的天體。天文學家利用歐南天文台(ESO)超大望遠鏡(Very Large Telescope,VLT)觀測結果指出:他們首度發現磁星的伴星,且這項發現結果或許可讓天文學家們有機會解決磁星到底是如何形成這個懸宕35年之久的問題,或許還可藉機瞭解為何這麼特別的星體並不會如天文學家原本預期的直接塌縮成黑洞。

當一顆大質量恆星演化到生命末期而發生超新星爆炸時,在自身重力影響下會向核心塌縮,形成中子星或黑洞。磁星也是中子星之一,但卻是中子星裡的怪胎,數量非常稀少,體積極小,密度異常大,磁星表面一茶匙的物質,大約相當於地球表面上的10億噸這麼重呢!而磁星最大的特徵就是它們那睥睨宇宙的磁場強度,其表面磁場強度比地球上最強的磁鐵還強數百萬倍以上。當這些磁星的地殼因承受極大應力時,可能會突然發生所謂的星震(starquake),從而輻射出大量伽瑪射線。

目前已知銀河系中的磁星約有20多顆,英國公開大學(The Open University)天文學家Simon Clark等人利用VL觀測其中一顆位在Westerlund 1星團中的磁星,CXOU J164710.2-455216(簡寫為CXOU J1647-45)。Clark等人的早期觀測工作顯示,磁星CXOU J1647-45應該是Westerlund 1星團中一顆原本質量高達40倍太陽質量的恆星發生超新星爆炸而形成的。然而,這個結論卻讓這些天文學家開始苦惱,苦惱的原因在於:這顆磁星的前身恆星這麼大,按現行恆星演化理論來看,發生超新星爆炸時,核心部分應該會直接形成黑洞才對,不應該形成中子星。究竟什麼地方出了問題?

Clark等人曾提出假設認為:磁星應該是兩顆極大質量恆星所組成的密近雙星系統中形成的,這兩顆星非常接近,其軌道距離可能還不及太陽到地球這麼遠。不過到目前為止,天文學家不曾在磁星CXOU J1647-45附近找到伴星的蹤跡,無法證實這個假設是否正確。因此,Clark等人利用VLT搜尋星團其他部分,尋找所謂的「落跑恆星(runaway star)」,即以高速逃脫星團的天體,看看是否是因為這場劇烈的超新星爆炸不小心把伴星給踢出去了。

-----廣告,請繼續往下閱讀-----

eso1415b_Westerlund_1最終,Clark等人發現編號為Cl* Westerlund 1 W 5(簡寫為Westerlund 1-5)的恆星符合他們的要求。這顆星在太空中的速度不僅正如預期中超新星爆炸將伴星拋射出去的那麼快,而且它的低質量、高亮度且富含碳元素的等特徵,在在都反映出這顆恆星它不可能原本就是顆單星,而是曾是雙星或聚星系統裡的一員。

這項發現可讓天文學家重建這顆恆星一生將近之時到底發生何事,藉此瞭解為何不是形成黑洞,而是形成磁星。在第一階段,這對雙星中質量比較大的主星先因核心燃料用盡而離開主序階段,其外殼膨脹到超
過兩星的重力勢力界線,致使部分物質因而轉移到原本質量較小的伴星上,使伴星自轉速度愈來愈快,如此快速的自轉,正是它後來演變成擁有超強磁場的磁星的基本要素。

第二階段,質量轉移使伴星質量變得大到反而讓大量伴星新近獲得的物質向外溢出。絕大部分溢出的物質流失在太空中,但有一部份回流到主星上,而這個主星,就是最近發現的Westerlund 1-5。

所以,磁星到底如何形成的,天文學家終於有譜了:正是這個特別的物質交換過程,讓Westerlund 1-5具有同時擁有豐富的氫、氮和碳這樣非常獨特的化學特徵(備註1),又可讓它的伴星有效瘦身,質量減低到只能形成磁星、但無法塌縮成黑洞的程度!

-----廣告,請繼續往下閱讀-----

Westerlund 1星團位在南天的天壇座(Ara)中,距離地球約16,000光年,是瑞典天文學家Bengt Westerlund於1961年前往澳洲進行觀測的過程中發現的;Westerlund後來在1970~19714年期間成為歐南天文台台長。這個由大質量恆星組成的星團本身非常明亮,但因為隱藏在一個龐大的星際氣體塵埃雲後方,被這些雲氣阻絕了大部分的可見光,使其亮度減低成原來的10萬分之1以下,才會遲至1961年方被發現。

到目前為止,所有已分析過的Westerlund 1成員星的質量至少為30~40倍太陽質量。這類大質量恆星的生命非常短暫,由此可見Westerlund 1星團必定非常年輕;事實上,由觀測資料顯示,這個星團的年齡大約為350~500萬年左右,所以這個星團必定是銀河系內的新生星團,這使得Westerlund 1星團是天文學家眼中的寶窟,可以幫助天文學家瞭解銀河系中的大質量恆星如何形成、演化與死亡。透過觀測,這些天文學家推測這個極端星團的質量很可能高達10萬倍太陽質量,甚至可能不只此數;然而它所有的成員星卻擠在直徑不及6光年的狹小區域內。這使得Westerlund 1成為迄今已知銀河系中質量最緻密的年輕星團。

資料來源:Magnetar Formation Mystery Solved? ESO [May 14, 2014]

備註1:恆星的內部會進行核融合反應而產生光熱,同時其化學組成也會因此而逐漸改變。起初最豐富的成分是氫和氮,以及非常少亮的碳;之後氫和氮逐漸轉換成碳而使碳含量逐漸增加,同時氫和氮的含量卻嚴重減少。所以一般認為正常的單一恆星是不可能同時擁有豐富的氫、氮和碳三種元素的狀況。

-----廣告,請繼續往下閱讀-----

備註2:Westerlund 1既然是年輕而熾熱的大質量恆星組成的星團,按理來說應該呈現藍色外觀,但頁首上方VLT拍攝的Westerlund 1星團影像卻呈現橘紅色,原因為何呢?嘗試著從正文中的字裡行間尋找答案吧!

轉載自網路天文館

-----廣告,請繼續往下閱讀-----
文章難易度
臺北天文館_96
482 篇文章 ・ 44 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

12
5

文字

分享

0
12
5
發現最靠近地球的黑洞:Gaia BH1
全國大學天文社聯盟
・2022/11/30 ・2897字 ・閱讀時間約 6 分鐘

  • 文/林彥興|清大天文所碩士生、EASY 天文地科團隊主編、全國大學天文社聯盟監事

本月初 [1],「最靠近地球的黑洞」這個紀錄被刷新了!以天文學家 Kareem El-Badry 為首的團隊,利用蓋亞(Gaia)衛星極度精準的天體位置資料,加上多座望遠鏡聯合進行的徑向速度量測,成功確認了約 1550 光年外位於蛇夫座的一顆恆星,正與黑洞互相繞行,打破離地球最近的黑洞紀錄。

狩獵隱身巨獸的方法

人類搜尋黑洞已經有數十年的歷史。對於正在「進食」,也就是正在吸積物質的黑洞,由於其周遭的吸積盤和噴流等結構會在無線電、X 射線等多個波段發出強烈的電磁輻射,因此相對容易看到;但沒有在進食的黑洞,就要難找許多。

畢竟黑洞之所以被叫做黑洞,就是因為它本身幾乎不會發光。想要尋找這些「沉默」黑洞的方法,通常只能靠著黑洞的重力對其週遭的影響,間接推測黑洞的存在。

其中最常見的方法,就是尋找「繞著看不見的物體旋轉的恆星」。一般來說,恆星在天空中移動的軌跡應只受恆星的視差和自行影響,但如果恆星在與另一個大質量的天體互相繞行,比如我們的目標:沉默的黑洞,那恆星的軌跡就會受到黑洞影響。

因此觀測恆星的移動軌跡,是尋找沉默黑洞的重要方法之一。這個方法最著名的例子,就是 2020 年諾貝爾物理獎得主 Reinhard Genzel 與 Andrea Ghez 藉由長時間觀測銀河系中心的恆星運動(位置與徑向速度),從而確認了銀河系中心超大質量黑洞的存在。

-----廣告,請繼續往下閱讀-----
UCLA 的銀河中心觀測團隊即是以觀測恆星的運動確認銀河系中央超大質量黑洞的存在。圖/UCLA Galactic Center Group – W.M. Keck Observatory Laser Team

但由於方法間接,用這類方式尋找黑洞時往往很難確定那個「看不見的物體」到底是不是黑洞。舉例來說,2020 年歐南天文台的天文學家宣布發現 HR 6819 是一個包含黑洞的三星系統,卻在更多更仔細的研究後遭到推翻。因此從恆星的運動來尋找「黑洞候選者」相對不難,但是想要消滅所有其他的可能性,「確定」黑洞的存在,就不是一件容易的事。

多方聯合|鎖定真身

那麼,這次的新研究是怎麼「確定」黑洞的存在的呢?

第一步,天文學家們先把目標鎖定在「形跡詭異」的恆星。因為當一顆恆星與黑洞互相繞行時,恆星在天上的運行軌跡會因為黑洞的引力而有週期性的擺盪。所以,如果我們看到有個恆星的軌跡歪歪扭扭,這顆恆星很可能就是受到黑洞重力影響的候選者。

而目前,蓋亞衛星(Gaia)提供的天體位置資料是當之無愧的首選。蓋亞是歐洲太空總署(ESA)於 2013 年發射的太空望遠鏡,與著名的韋伯太空望遠鏡一樣運行在日地第二拉格朗日點。

-----廣告,請繼續往下閱讀-----

但與十項全能的韋伯不同,蓋亞是「天體測量學 Astrometry」的專家,專門以微角秒等級的超高精確度測量天體的位置。每隔幾年,蓋亞團隊就會整理並公布他們的觀測結果,稱為資料發布(Data Release)。目前最新的「第三次資料發布 DR3」之中,就包含了超過 18 億顆天體的海量資料。

歐洲太空總署(ESA)的蓋亞衛星(Gaia)是當前測量天體位置和距離無庸置疑的首選。圖/ESA/ATG medialab; background: ESO/S. Brunier

經過篩選,團隊發現一顆名為 Gaia DR3 4373465352415301632 的恆星看起來格外可疑。這是一顆視星等 13.77(大概比肉眼可見極限暗 1300 倍,但以天文學的角度來說算是相當亮)、與太陽十分相似的恆星,距離地球約 1550 光年。

畫面中央的明亮恆星即是這次的主角 Gaia BH1。圖/Panstarrs

找到可能的候選者後,團隊一方面翻閱過去觀測這顆恆星的歷史資料,另一方面也申請多座望遠鏡,進行了四個月的光譜觀測。同時使用從蓋亞衛星的位置(赤經、赤緯、視差)以及從光譜獲得的徑向速度資訊,團隊可以精確地計算出這顆恆星應當是正在繞行一個 9.6 倍太陽質量的天體運轉。

這麼大的質量,卻幾乎不發出任何光,黑洞幾乎是唯一可能的解釋。

但以現有的觀測資料,天文學家仍不能確定它到底是一顆黑洞,還是有兩顆黑洞以相當近地軌道互相繞行,然後恆星再以較大的軌道繞著兩顆黑洞運轉。但無論是一顆或兩顆,Gaia BH1 都刷新了離地球最近黑洞的紀錄,距離僅有 1550 光年,比上一個紀錄保持人(LMXB A0620-00)要近了三倍。從銀河系的尺度來看,這幾乎可說是就在自家後院。

-----廣告,請繼續往下閱讀-----
結合蓋亞與其他多座望遠鏡的光譜觀測,天文學家可以計算出 Gaia BH1 在天空中的移動軌跡(左圖黑線)與其軌道形狀(右圖)。注意除了恆星與黑洞互繞所造成的移動外,恆星在天上的位置也受視差和自行影響,兩者在左圖中以藍色虛線表示。圖/El-Badry et al. 2022.
天文學家計算出的 Gaia BH1 徑向速度(RV)變化(黑線)與觀測結果(各顏色的點)。圖/El-Badry et al. 2022.

更多黑洞就在前方

最後讓我們來聊聊,找到「離地球最近的黑洞」有什麼意義呢?

「離地球最近的黑洞」這個紀錄本身是沒有太多意義的。雖然說從銀河系的尺度來說,1550 光年幾乎可說是自家後院,但是這顆黑洞並不會對太陽系、地球或是大家的日常生活產生任何影響。既然如此,為什麼天文學家還會努力尋找這些黑洞呢?

其中一大原因,是因為尋找這些與恆星互相繞行的黑洞,可以幫助天文學家了解恆星演化的過程。在銀河系漫長的演化歷史中,曾有數不清的恆星誕生又死亡。我們看不到這些已經死亡的恆星,但可以藉由這次研究的方法,去尋找這些大質量恆星死亡後留下的黑洞 [2],從而推測雙星過去是如何演化,留下的遺骸才會是如今看到的樣子。

除了 Gaia BH1,天文學家也在持續研究 Gaia DR3 之中其他「形跡可疑」的恆星/黑洞雙星候選系統。而隨著蓋亞衛星的持續觀測,更多這類黑洞候選者將會越來越多。研究這些系統,將幫助天文學家進一步了解雙星系統演化的奧秘。

-----廣告,請繼續往下閱讀-----

註解

[1] 嚴格來說,論文九月中就已經出現在 arXiv 上了。

[2] 嚴格來說,恆星質量黑洞(stellar mass black hole)是大質量恆星的遺骸。超大質量黑洞(supermassive black hole)就不一定了。

延伸閱讀

  1. El-Badry, K., Rix, H. W., Quataert, E., Howard, A. W., Isaacson, H., Fuller, J., … & Wojno, J. (2022). A Sun-like star orbiting a black hole. Monthly Notices of the Royal Astronomical Society518(1), 1057-1085.
  2. [2209.06833] A Sun-like star orbiting a black hole
  3. Astronomers Discover Closest Black Hole to Earth | Center for Astrophysics
  4. The Dormant Stellar-Mass Black Hole that Actually Is | astrobites
  5. Astronomers find a sun-like star orbiting a nearby black hole
  6. 狩獵隱身巨獸:天文學家發現沉默的恆星質量黑洞? – PanSci 泛科學
  7. 「最靠近地球的黑洞」其實不是黑洞
  8. 人們抬頭所遙望的星空是恆定不變嗎? – 科學月刊Science Monthly
-----廣告,請繼續往下閱讀-----

0

6
3

文字

分享

0
6
3
天文學家發現至今最年輕、威力相當於「一萬個螃蟹」的中子星
全國大學天文社聯盟
・2022/07/31 ・3383字 ・閱讀時間約 7 分鐘

  • 文/語星葉

2018 年,在特大天線陣巡天計畫(VLA Sky Survey, VLASS)的資料中,一個來自遙遠星系的不尋常電波源,吸引了天文學家的注意。經過四年的觀察與分析,他們認為這個未知電波源,最可能是來自一個非常年輕且威力強大的中子星。

圖一、畫家筆下的脈衝星,中央黃色部分為脈衝星與周遭雲氣交互作用產生的脈衝星風星雲,外圍球對稱的絲狀結構則為超新星爆炸殘骸。圖/Melissa Weiss, NRAO/AUI/NSF

這個電波源在二十年前,在特大天線陣的第一個巡天計畫「FIRST」資料中尚不存在,代表這是個「瞬變天體(Transient)」,即在人類的時間尺度中,可觀察到明顯變化的天體——別忘了,人類的千年歷史,在宇宙時間尺度下都只是一瞬。

在當今望遠鏡技術的快速推進下,瞬變天體其實並不罕見。每天都有許多新的瞬變天體被望遠鏡捕捉。然而,至今仍有許多瞬變天體覆著未知的面紗,例如 21 世紀新發現、被稱作「快速電波爆(Fast radio burst, FRB,圖二)」的瞬變天體,便是今日天文物理學的熱門主題。

科學家對其極高光度、極短時距的成因和來源都還沒有定論。不過,這個新發現的電波源未來有望為我們帶來解答!

圖二、2006 年,人類發現的第一個快速電波爆訊號。這個訊號時距僅 0.005 秒,強度卻是最小可偵測訊號的 100 倍(見右上角小圖)。不同頻率的訊號有顯著的位移,代表這個訊號來自銀河之外的遙遠星際。圖/Lorimer et al. 2007

天文學家認為,這次的未知電波源,最可能是來自一顆脈衝星(Pulsar,圖一)、甚至可能同時是一顆磁星(Magnetar,圖六),與周遭氣體交互作用所產生的星雲亮光。脈衝星和磁星都是中子星的一種,至於它們分別是什麼,以及為何會有這些不同的名稱,則要回顧一下中子星的發現史。

-----廣告,請繼續往下閱讀-----
圖三、位於美國新墨西哥州的特大天線陣(Very Large Array, VLA)為一套擁有 27 支天線的電波望遠鏡。圖/NRAO/AUI/NSF

理論推演中子星、觀測發現脈衝星,證明中子星的存在

在 1933 年的美國物理年會上,也就是查兌克宣布發現中子後一年,兩個不相干的理論團隊雙雙提出,因恆星塌縮後反彈而形成的「超新星」爆發,會促使中心區域坍縮形成「中子星」,即體積極小、非常緻密,由中子擠在一起形成的天體。這無疑是一重大突破,在此之前,天文學界還不清楚超新星跟新星(Nova)是來自不同的物理機制,而「中子星」更是沒人提過的概念。

此後,超新星的概念快速普及,觀測上古往今來的超新星也如雨後春筍般被識別與發現。然而,中子星的概念,還要等到三十多年後脈衝星的發現,才被廣為接受。[3]

1967 年,一位年僅 24 歲的劍橋大學研究生約瑟琳.貝爾.伯奈爾(Jocelyn Bell Burnell,圖四)和她的指導教授安東尼.休伊什(Antony Hewish),在無線電望遠鏡資料中,發現了一種會以極短的週期快速閃爍的未知無線電波源,她們稱之為「脈衝星」。然而究竟是什麼原因產生這樣的訊號?他們沒有頭緒。

一開始,休伊什甚至認為可能是收到了來自遠方智慧生命的訊號,還暱稱為「小綠人(Little green man,20 世紀電影中外星人時常是綠色皮膚)」。因為他難以想像這樣短促而準確的週期性訊號,不是生命體、而是自然現象產生的。[4]

-----廣告,請繼續往下閱讀-----
圖四、1967 年,時任劍橋大學研究生的約瑟琳眼尖地發現了週期性出現在電波影像的未知訊號。圖攝於當年 6 月。圖/Roger W Haworth

此時,被猜疑了三十多年的中子星概念再次登場,而且馬到成功,完美地解釋了這種短週期出現的電波訊號。原來脈衝星是高速旋轉的中子星,其高轉速及強磁場會在中子星的兩極產生高能帶電粒子,從而發射出無線電波波段的輻射。於是兩極的電波束便隨著中子星的高速自轉,如燈塔般週期性的指向地球,被電波望遠鏡所接收,這便是脈衝星的由來(見圖五)。電波脈衝星的自轉週期只有 0.1~10 秒,如此極端的物理性質,也只有中子星可以滿足了。

圖五、脈衝星的兩極高能帶電粒子會發射強電波束,隨著脈衝星高速自轉而規律地指向地球,被電波望遠鏡接收,此即脈衝星訊號的成因。

至於磁星,一種擁有超強磁場的中子星,其發現就更加戲劇性了。

發現磁星

1979 年是磁星粉墨登場的一年。時年 3 月 5 日,先是蘇聯的金星 11 號和 12 號兩顆人造衛星被不明的伽瑪射線給擊中,其搭載的光子計數器瞬間就被「打爆」,超越計數器所能計量的數額,接著這波伽瑪射線接連爆擊了 NASA 的繞太陽衛星和繞金星衛星的伽瑪射線接收器,而後通過地球(還好我們的地球大氣層會把伽瑪射線隔絕在外),襲擊數個繞地衛星後揚長而去。

當年天文學家接收到數個類似的伽瑪射線閃光,其中最亮的閃光(也就是 3 月 5 日那波)在 0.2 秒內釋放了相當於太陽燃燒 1000 年的能量!

這些閃光還具有週期性,在約一週內反覆出現並逐漸消失,有的甚至幾個月或幾年後還會再度出現。經過數十年的研究,如今天文學家認為這些訊號同樣來自中子星,但這類中子星的磁場比一般中子星強上數百到數萬倍,因此被冠以「磁星」之名。

-----廣告,請繼續往下閱讀-----
圖六、繪筆下的磁星。圖/ESO/L. Calçada

威力相當於「一萬個螃蟹」的脈衝星風星雲

回到正題,天文學家分析 2018 年特大天線陣接收到的新電波源後發現,這個電波源來自約 4 億光年遠的一個矮星系,且坐落在許多大質量恆星之間,因此極可能是大質量恆星爆發後的殘骸。

超新星爆發之際,剛形成的中子星擁有超強磁場、極高速的自旋,但仍被爆炸所拋出的恆星碎片層層包裹而不可見。需待這層外殼緩緩擴張、物質密度降低以後,中子星所發出的光才得以「撥雲見日」,進入我們眼中。

與此同時,中子星強烈的磁場會拉扯外圍的帶電粒子,使其高速撞擊周遭星際物質,從而發出強烈的電磁輻射、形成圍繞中子星的明亮星雲,稱之為脈衝星風星雲(Pulsar wind nebula, PWN)。最有名的脈衝星風星雲——蟹狀星雲(Crab nebula,圖七)距離我們僅數千光年,因此我們對它有深入的觀察。

根據分析,這個電波源隨時間的光度變化和已知的脈衝星風星雲相似,因此研究人員認為最有可能的解釋,便是一個前所未見的超明亮脈衝星風星雲。

-----廣告,請繼續往下閱讀-----
圖七、蟹狀星雲中心的中子星(圖片中央的橘紅色亮星)及周圍的脈衝星風星雲。藍色為錢卓望遠鏡拍攝的 X 射線、紅色為哈伯望遠鏡捕捉的可見光。圖/NASA

這個 20 年內便突破超新星爆炸煙塵的脈衝星,不僅是人類已知年紀最輕的中子星,更是一個威力強大的中子星。其發出的 X 光強度高達「一萬螃蟹」——不是筆者亂用,「螃蟹(Crab)」真的是一個天文學單位!

就像天文學家也常用「太陽質量」作為天體質量的單位,或是用「天文單位」衡量距離,一個「螃蟹」指的是一個蟹狀星雲發出的 X 射線強度。一個天體發出的 X 射線有幾個螃蟹,就是其亮度是蟹狀星雲幾倍的意思。之所以選擇蟹狀星雲作為標準,是因為在這個領域,它實在太近、太經典了。

言歸正傳,天文學家認為這顆脈衝星不僅是隻超級螃蟹,可能還是顆磁星——其磁場是人類目前所能製造的最強磁場的數億倍!由於磁星被認為可能是快速電波爆的來源,因此可以預期接下來這個年輕的候選磁星,將被天文學家們用望遠鏡細細關照,於其中能探究多少蛛絲馬跡,又有多少新發現尚待挖掘,讓我們引頸期待。

  1. Astronomers Find Evidence for Most Powerful Pulsar in Distant Galaxy – National Radio Astronomy Observatory
  2. Dong, Dillon ; Hallinan, Gregg (2022). arXiv e-prints. 
  3. Baade and Zwicky: “Super-novae,” neutron stars, and cosmic rays
  4. Cosmic Search Vol. 1, No. 1 – Little Green Men, White Dwarfs or Pulsars?
  5. Kouveliotou, C.; Duncan, R. C.; Thompson, C. (February 2003). “Magnetars“. Scientific American.
-----廣告,請繼續往下閱讀-----