La inteligencia artificial descubre que las primeras estrellas no estaban solas

Vea También

Una ilustración esquemática de las supernovas de la primera estrella y los espectros observados de estrellas extremadamente pobres en metales. La eyección de las supernovas enriquece el gas prístino de hidrógeno y helio con elementos pesados en el universo (objetos cian, verdes y morados rodeados por nubes de material expulsado). Si las primeras estrellas nacen como un sistema estelar múltiple en lugar de una sola estrella aislada, los elementos expulsados por las supernovas se mezclan y se incorporan a la próxima generación de estrellas. Las abundancias químicas características en tal mecanismo se conservan en la atmósfera de las estrellas de baja masa y larga vida observadas en la Vía Láctea. El equipo inventó el algoritmo de aprendizaje automático para distinguir si las estrellas observadas se formaron a partir de la eyección de una sola (pequeñas estrellas rojas) o múltiples (pequeñas estrellas azules) supernovas anteriores, en función de las abundancias elementales medidas a partir de los espectros de las estrellas. Crédito: Kavli IPMU
Una ilustración esquemática de las supernovas de la primera estrella y los espectros observados de estrellas extremadamente pobres en metales. La eyección de las supernovas enriquece el gas prístino de hidrógeno y helio con elementos pesados en el universo (objetos cian, verdes y morados rodeados por nubes de material expulsado). Si las primeras estrellas nacen como un sistema estelar múltiple en lugar de una sola estrella aislada, los elementos expulsados por las supernovas se mezclan y se incorporan a la próxima generación de estrellas. Las abundancias químicas características en tal mecanismo se conservan en la atmósfera de las estrellas de baja masa y larga vida observadas en la Vía Láctea. El equipo inventó el algoritmo de aprendizaje automático para distinguir si las estrellas observadas se formaron a partir de la eyección de una sola (pequeñas estrellas rojas) o múltiples (pequeñas estrellas azules) supernovas anteriores, en función de las abundancias elementales medidas a partir de los espectros de las estrellas. Crédito: Kavli IPMU

Las primeras estrellas iniciaron la transición crucial de un Universo primordial a un Universo enriquecido con elementos más pesados. Estas estrellas se formaron en minihalos prístinos en torno al corrimiento al rojo 6-30.

Según los astrónomos, estas estrellas eran metales que no contenían elementos pesados. La siguiente generación de estrellas sólo contenía una pequeña cantidad de elementos pesados producidos por las primeras estrellas. Para comprender el universo en su infancia, los investigadores deben estudiar estas estrellas pobres en metales.

En un nuevo estudio, un equipo de científicos utilizó el aprendizaje automático y los últimos avances en nucleosíntesis de supernovas para observar estas primeras estrellas. Descubrieron que la mayoría de las estrellas de segunda generación observadas en el universo se enriquecieron con múltiples supernovas.

Utilizando IA, el equipo analizó las abundancias elementales en más de 450 estrellas muy pobres en metales observadas hasta la fecha. Descubrieron que el 68% de las estrellas muy pobres en metales observadas tenían una huella química consistente con el enriquecimiento por varias supernovas anteriores, basándose en la nueva técnica de aprendizaje automático supervisado entrenada en modelos teóricos de nucleosíntesis de supernovas.

Los resultados del equipo proporcionan la primera restricción cuantitativa basada en observaciones sobre la multiplicidad de las primeras estrellas.

El autor principal, Hartwig, ha declarado: "Hasta ahora, la multiplicidad de las primeras estrellas sólo se predecía a partir de simulaciones numéricas, y no había forma de examinar observacionalmente la predicción teórica hasta ahora. Nuestro resultado sugiere que la mayoría de las primeras estrellas se formaron en pequeños cúmulos, de modo que múltiples de sus supernovas pueden contribuir al enriquecimiento metálico del medio interestelar primitivo."

"Nuestro nuevo algoritmo proporciona una herramienta excelente para interpretar los grandes datos que tendremos en la próxima década procedentes de los sondeos astronómicos en curso y futuros en todo el mundo."

La científica asociada visitante y profesora adjunta del Observatorio Astronómico Nacional de Japón, Miho Ishigaki, declaró: "Por el momento, los datos disponibles de estrellas viejas son la punta del iceberg dentro de la vecindad solar. El espectrógrafo Prime Focus, un espectrógrafo multiobjeto de vanguardia instalado en el telescopio Subaru y desarrollado por la colaboración internacional liderada por Kavli IPMU, es el mejor instrumento para descubrir estrellas antiguas en las regiones exteriores de la Vía Láctea, mucho más allá de la vecindad solar."

Por su parte, el Profesor Chiaki Kobayashi, Científico Titular Visitante y de la Universidad de Hertfordshire, declaró: "El nuevo algoritmo inventado en este estudio abre la puerta a aprovechar al máximo las diversas huellas químicas en estrellas pobres en metales descubiertas por el Espectrógrafo de Foco Primario. La teoría de las primeras estrellas nos dice que las primeras estrellas deberían ser más masivas que el Sol. La expectativa natural era que la primera estrella naciera en una nube de gas con una masa millones de veces superior a la del Sol".

"Sin embargo, nuestro nuevo hallazgo sugiere con fuerza que las primeras estrellas no nacieron solas, sino que se formaron como parte de un cúmulo estelar o de un sistema estelar binario o múltiple. Esto también significa que podemos esperar ondas gravitacionales de las primeras estrellas binarias poco después del Big Bang, que podrían detectarse en futuras misiones en el espacio o en la Luna."

Fuentes, créditos y referencias:

Universidad de Tokio - Tilman Hartwig et al, Machine Learning Detects Multiplicity of the First Stars in Stellar Archaeology Data, The Astrophysical Journal (2023). DOI: 10.3847/1538-4357/acbcc6

Artículo Anterior Artículo Siguiente

Anuncio publicitario

Reciba actualizaciones por Telegram

¡Únete a nuestro canal de WhatsApp para recibir actualizaciones!