Peser la poussière autour des jeunes étoiles express
Les grains de poussière dans le disque autour d'une jeune étoile s'agglutinent, grossissent et deviendront un jour des planètes. Mais pour savoir combien de matière première pour les planètes se trouve dans chaque disque, il faut mesurer sa masse et sa taille. On ne peut pas peser directement un nuage lointain — il faut se fier au rayonnement de la poussière.
Les astronomes ont entraîné un réseau de neurones sur des milliers de modèles de disques calculés avec un code informatique détaillé. Le réseau a appris à fournir rapidement les paramètres d'un disque à partir de son image et de son spectre. Ensuite, ils l'ont couplé à un algorithme d'optimisation bayésienne qui cherche la meilleure correspondance entre le modèle et les observations. Ils ont ainsi traité des images à la longueur d'onde de 1,3 mm et des spectres de disques protoplanétaires dans le nuage moléculaire d'Ophiuchus.
Il s'est avéré que pour les disques de classe II (plus évolués), on parvient à ajuster un modèle qui correspond à la fois à l'image et au spectre. Pour les objets plus jeunes de classe I et les sources « plates », les spectres sont moins bien ajustés — peut-être que la poussière y est répartie différemment ou qu'il y a un chauffage supplémentaire. La distribution des masses des disques obtenue est plus large et plus étalée que celle donnée par les estimations simples basées sur la luminosité à 1,3 mm : il y a davantage de disques très légers et très lourds.
La raison est que la luminosité de la poussière ne dépend pas seulement de sa masse, mais aussi de la température et de l'épaisseur optique. Ces effets sont fortement liés à la taille et à l'inclinaison du disque, qui sont justement précisées par les images. On a également constaté qu'en passant des jeunes objets de classe I aux sources plates et aux disques de classe II, la hauteur du disque et son « gonflement » vers le bord diminuent nettement. Les disques deviennent plus minces et plus plats.
Résumé original
tel que rédigé par les auteurs, en anglais 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.
Les disques de poussière autour des jeunes étoiles sont si denses en leur centre que la lumière de l'étoile ne peut pas les traverser directement — on ne les voit que dans l'infrarouge et le domaine millimétrique, où la poussière émet elle-même de la lumière.
Dans « Interstellar », les héros traversent un trou de ver pour rejoindre des planètes autour d'un trou noir, mais leur voyage commencerait par un disque protoplanétaire — c'est précisément à partir d'un tel disque, comme ceux du nuage d'Ophiuchus, que des planètes ont pu se former.