图中横坐标显示恒星星族的金属元素含量(金属丰度),数值越大金属丰度越高。纵坐标显示恒星初始质量函数的形状,α数值越大表示质量较小的恒星比例越高。红色圆点显示年老星族α值比较小,即质量较小恒星的比例低;蓝色三角形显示较年轻恒星随着金属丰度变高,α值也增加,即质量较小恒星的比例增加。中科院国家天文台 供图
9万多精细样本直接获取恒星初始质量函数
论文第一作者、中科院国家天文台博士研究生李佳东解释说,恒星初始质量分布规律,天文学上通常称为恒星初始质量函数,它描述了一群恒星在刚刚诞生时,不同质量的恒星所占的比例。在整个天体物理研究中,恒星初始质量函数是现代天文学中一个非常基础的物理概念,对许多关键天体物理学问题的研究起到至关重要的作用。
半个多世纪以来,天文学家通常认为恒星初始质量函数在宇宙各处及各个演化阶段是普适不变的,并作为基本假设在星系形成与演化、星团结构和演化、双星演化,甚至太阳系外行星以及引力波等诸多天体物理研究领域广泛应用,几乎成为天体物理教科书中的“经典假设”。
不过,天文学家近年来通过各种新的观测,发现恒星初始质量函数很有可能不是普适不变的。论文合作者、南京大学天文系教授张智昱指出,一些迹象显示,在恒星形成活跃的环境中大质量恒星的比例更高,这意味着恒星初始质量函数可能不是普适的。
恒星初始质量函数在宇宙各处是否变化成为困扰天文学家的重要问题,需要在银河系中找到更为直接有力的观测证据。近年来,随着郭守敬望远镜、盖亚卫星等中外大型天文设施投入观测运行,并获得海量观测数据,助力中国天文学家发现恒星初始质量函数变化的直接证据。
研究团队发挥郭守敬望远镜大样本光谱数据优势,筛选出迄今最精细的9万多颗太阳邻域的恒星样本,并获取了每颗恒星的金属元素含量和质量。结合盖亚卫星观测数据,他们首次通过俗称“数星星”这一最直观的恒星计数法,对具有不同金属元素含量和年龄的恒星进行统计,从观测角度直接获取了几乎不依赖于任何模型的恒星初始质量函数。
宇宙不同地方需要合适“尺子”正确测量
研究团队认为,无论是测量宇宙不同阶段星系中暗物质和重子物质质量、构建星系化学演化,还是理解恒星形成过程、分析双星演化的物理机制、探测太阳系外行星,甚至包括研究恒星级引力波事件等一系列天体物理学前沿问题的研究,都将因恒星初始质量函数的变化而受到挑战。
刘超以“尺子”作比喻指出:“这如同是一把会随着环境变化的‘尺子’,不能用同一把‘尺子’丈量宇宙的不同地方。在宇宙不同地方,天文学家需要更换合适的‘尺子’,才能得到正确的测量结果。例如,使用银河系目前的‘尺子’就无法测量早期的宇宙”。
论文合作者、中科院紫金山天文台符晓婷副研究员补充说,如此复杂变化的恒星初始质量函数,对恒星形成理论也提出了严峻的挑战。
中科院国家天文台表示,这一原创性成果是中国天文大科学装置郭守敬望远镜在前沿基础研究领域取得的又一项突破性进展。未来,中国将发射中国空间站工程巡天望远镜(CSST),将助力天文学家在银河系更深远区域及近邻星系中进一步验证该重大发现,为更深入理解恒星初始质量函数和恒星形成的物理过程,提供更加丰富的天文观测数据。(完)
张宏江:人工智能如何帮人类进入科研新范式?****** 中新网北京12月10日电 “人工智能能够如何帮助我们进入科研的新范式?” 这是美国国家工程院外籍院士、北京智源人工智能研究院理事长张宏江,12月9日在2022人工智能合作与治理国际论坛的主题论坛“人工智能引领韧性治理与未来科技”中,抛出的一个问题。 2022人工智能合作与治理国际论坛由清华大学主办、清华大学人工智能国际治理研究院(I-AIIG)承办,中国新闻网作为战略合作伙伴,联合国开发计划署(UNDP)、联合国教科文组织(UNESCO)等国际组织、国内外学术机构支持。 美国国家工程院外籍院士、北京智源人工智能研究院理事长张宏江,在2022人工智能合作与治理国际论坛的主题论坛“人工智能引领韧性治理与未来科技”上发言。主办方供图张宏江认为,回顾人类科学发展的历史,不同发展阶段经历了不同的科学发现范式。 “几千年前,人类就通过观察、实验来描述自然现象。比如‘日心说’是通过对天象的观察来对整个宇宙。随着科学的发展,四五百年前,理论模型范式出现。人们通过对某一现象的观察总结出理论,从而指导新的科学研究。五六十年前,尤其当大型计算机出现后,面临更复杂的问题,比如天气预报、地震模拟,人们无法再用简单的物理公式、简单的方程构建完整的模拟系统研究理论,人们引入了计算范式,用计算来模拟的方式做科学研究。到二十年前,我们进入大数据时代,科研中积累的大量数据可以进一步驱动物理模型。” “今天,我们进入了一个新的科研范式。”张宏江说,人工智能经过多年发展,尤其过去15年深度学习的发展,使得人们能够给科学研究推出一个新的范式。“这个范式是AI驱动的范式。实际是用深度学习的算法,直接从数据中建立新的模型,其背后是数据、模型、算法和算力。” 张宏江指出,深度学习在革命性地推动了语言、图像和视频处理、识别和应用之后,正在迅速地改变科学研究的范式,这种新的范式就是物理世界的“数字化+自动化+深度学习”。 他说,“今天我们进入了一个黄金期,新的设计范式,都可以借用深度学习的方法进行赋能。” 张宏江坦言,未来十年蕴含着科学发展与产业创新机会,包括数据、模型、算法、算力,其核心是背后的跨学科人才。(完)
|