El telescopio MPG/ESO de 2,2 metros en el Observatorio La Silla de ESO en Chile capturó una imagen ricamente coloreada del brillante cúmulo estelar NGC 3532. Algunas estrellas todavía brillan con un color azulado cálido, pero muchas más estrellas masivas se han convertido en gigantes rojas y brillan. con un rico tono naranja. Crédito: ESO, Atribución (CC BY 4.0)
Investigadores de la Universidad de Keele han desarrollado una técnica de aprendizaje automático que ayuda a los astrónomos a estimar mejor la edad de las estrellas en función de las sustancias químicas de sus atmósferas. La nueva investigación será presentada en Encuentro Nacional de Astronomía 2023 Dr. Keele alumno de George Weaver.
La edad de una estrella es muy difícil de determinar. A diferencia de objetos como los meteoritos del sistema solar o las rocas de otros planetas, no es posible recolectar muestras físicas para medir la abundancia química y la edad de las estrellas que vemos en el cielo nocturno mediante la datación radiactiva. En cambio, los astrónomos tienen que hacer estimaciones basadas en la luz que recibimos de las estrellas. Esto es más fácil de hacer para grandes grupos de estrellas que evolucionan juntas, llamados cúmulos estelares, pero mucho más difícil para estrellas individuales.
Durante las primeras etapas del ciclo de vida de una estrella, el aumento del calor y la presión puede cambiar la composición química de su atmósfera. Un cambio importante es que la cantidad del elemento litio en su atmósfera disminuye con el tiempo en un proceso conocido como “agotamiento de litio”. Los modelos actuales no pueden describir toda la complejidad de este efecto.
La gran cantidad de espectros de alta calidad, un análisis de la luz emitida por el objeto, obtenidos de la encuesta Gaia-ESO significa que los astrónomos ahora pueden analizar el problema del agotamiento del litio mucho más profundamente. Un nuevo modelo de la red neuronal, una extensión del modelo matemático anterior conocido como ÁGUILASutiliza datos de más de 6000 estrellas para modelar la relación entre la temperatura de una estrella, la abundancia medida de litio y la edad.
El nuevo método es extensible y ya se está trabajando para incorporar muchos más datos en el modelo, creando estimaciones de edad utilizando la mayor cantidad de información posible. Las pruebas de un modelo que tiene en cuenta la metalicidad de las estrellas ya están en marcha; el modelo incluirá una medida de la cantidad de elementos más pesados que el helio en la estrella. Otras posibles expansiones implicarán una desaceleración de la rotación de la estrella a lo largo de su vida y una disminución de su actividad magnética a lo largo del tiempo.
George Weaver, estudiante de doctorado y primer autor del artículo, explica: “Existen varios métodos y modelos independientes para la estimación de la edad, pero esta red neuronal artificial nos brinda la oportunidad de crear un método combinado para estimar la edad de una estrella en función del espectro. mediciones.” Agrega: “Esto no solo podría conducir a un modelo de ‘ventanilla única’ para las edades de las estrellas y los cúmulos, sino que también nos ayudará a cuantificar y restringir las relaciones entre estos observables y la edad, y tal vez incluso descubrir nuevas relaciones que desconocíamos antes”.
Proporcionado por la Royal Astronomical Society