Pesando el polvo alrededor de estrellas jóvenes exprés
Los granos de polvo en el disco alrededor de una estrella joven se agrupan, crecen y algún día se convertirán en planetas. Pero para saber cuánto material para planetas hay en cada disco, hay que medir su masa y su tamaño. No se puede pesar directamente una nube lejana: hay que inferirlo de la radiación del polvo.
Los astrónomos entrenaron una red neuronal con miles de modelos de discos calculados con un código informático detallado. La red aprendió a dar rápidamente los parámetros del disco a partir de su imagen y su espectro. Luego la conectaron con un algoritmo de optimización bayesiana que busca la mejor correspondencia entre el modelo y las observaciones. Así procesaron imágenes en la longitud de onda de 1,3 mm y espectros de discos protoplanetarios en la nube molecular de Ofiuco.
Resultó que para los discos de clase II (más maduros) se puede ajustar bien el modelo tanto a la imagen como al espectro. Para los objetos más jóvenes de clase I y las fuentes "planas", los espectros se ajustan peor; posiblemente allí el polvo está distribuido de otra manera o hay calentamiento adicional. La distribución de masas de los discos resultó más ancha y más plana de lo que dan las estimaciones simples basadas en el brillo a 1,3 mm: hay más discos tanto muy ligeros como muy pesados.
La razón es que el brillo del polvo no depende solo de su masa, sino también de la temperatura y del espesor óptico. Estos efectos están fuertemente relacionados con el tamaño y la inclinación del disco, que precisamente se precisan con las imágenes. También se descubrió que al pasar de los objetos jóvenes de clase I a las fuentes planas y a los discos de clase II, la altura del disco y su "hinchazón" hacia el borde disminuyen notablemente. Los discos se vuelven más delgados y más planos.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2603.06230
We present a novel machine learning method that is capable of rapidly and accurately producing dust-continuum model images and spectral energy distributions from training sets created using a detailed radiative transfer code. We create a training set that encompasses the parameter space for protoplanetary discs, and then couple the trained machine learning method with a Bayesian optimisation algorithm. We then simultaneously fitted 1.3 mm ALMA ODISEA survey images of protostellar discs in the Ophiuchus Molecular Cloud, and their spectral energy distributions, in order to determine fundamental discs parameters such as dust masses and radii. We find that good simultaneous fits may be found for the Class II objects in the survey, although the spectral fits are poorer for the Class I and flat spectrum sources. We find that the dust mass distributions of discs is broader and shallower than that predicted from 1.3 mm flux dust mass estimates, substantially increasing the numbers of objects with high-mass and low-mass discs. We show that this is due to a combination of optical depth and dust temperature effects, which are strongly related to the disc size and inclination constraints provided by the imaging fits. We show that there is a significant decrease in disc scale height and disc flaring when moving from the the Class I objects, to the flat spectrum sources, and the Class II discs.
Los discos de polvo alrededor de estrellas jóvenes son tan densos en el centro que la luz de la estrella no puede atravesarlos directamente: solo los vemos en el infrarrojo y en el rango de los milímetros, donde el propio polvo brilla.
En 'Interstellar', los héroes viajan a través de un agujero de gusano hacia planetas alrededor de un agujero negro, pero su camino comenzaría en un disco protoplanetario: precisamente de un disco como el de la nube de Ofiuco podrían haberse formado los planetas.