Comment on a mesuré la vitesse des jets de trous noirs lointains express
Les trous noirs supermassifs au centre des galaxies éjectent parfois d'étroits flux de matière — des jets qui filent à une vitesse proche de celle de la lumière. Pendant longtemps, les astronomes ne pouvaient pas dire avec précision à quelle vitesse ces jets se déplacent pour différents trous noirs. Dans une nouvelle étude, des scientifiques ont rassemblé des données sur des centaines de ces jets et ont appliqué une méthode utilisée auparavant dans d'autres domaines scientifiques.
La méthode s'appelle « inférence sans vraisemblance ». Au lieu d'essayer de calculer directement la probabilité de chaque scénario, l'ordinateur apprend sur un grand nombre d'exemples simulés, puis les compare aux observations réelles. Cela a permis de prendre en compte les distorsions introduites par la limite de luminosité : les jets faibles sont simplement invisibles, et si on ne tient pas compte de ce fait, les estimations de vitesse sont erronées. La nouvelle approche a montré que les erreurs précédentes étaient fortement sous-estimées et que la distribution des vitesses ne ressemble pas à une simple courbe.
Résultat : pour la plupart des jets, la vitesse est proche de 99 % de la vitesse de la lumière, mais il en existe aussi de plus lents. La distribution des vitesses s'est avérée similaire à celle observée pour les trous noirs de masse stellaire — ceux qui se forment lors de l'explosion d'étoiles massives. Cela signifie que le mécanisme de lancement des jets est peut-être le même pour les trous noirs de toutes masses.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2608.08733v1
We present the most complete modelling of the MOJAVE 1.5 Jansky Quarter Century active galactic nuclei (AGN) jet population, using likelihood-free simulation-based inference. Due to the complex impact of a flux-limit on observed AGN data sets, careful modelling of the parent population is required. In particular, when observing and fitting to multiple data distributions likelihoods become non-intuitive. Parameter degeneracies further complicate the problem and make it suitable for likelihood-free, simulation-based inference. This method relies on a normalising flow learning the likelihood surface or posteriors directly. We extensively validate the flow to show that previous parameter estimates for the AGN jet speed distributions underestimated parameter errors significantly and do not capture the non-gaussianity of the parameter posteriors. The new results enable a better statistical comparison to other AGN population studies, but also a more accurate comparison of supermassive black hole jets with their lower mass counterparts, X-ray binaries (XRB). We find that the AGN follow a Lorentz factor distribution of the shape $$N(\Gamma) \propto \Gamma^b$$ with $$b= -1.32_{-0.19}^{+0.20}$$. This slope is consistent with the XRB Lorentz factor distribution at $$2\sigma$$. Simulation-based inference as a method is generally well-suited to many astrophysical problems, and this paper shows the convenient applicability of this methodology to parent population studies of jetted AGN with multiple observables specifically.
Les jets des trous noirs supermassifs peuvent être plus longs que la distance de la Terre à la galaxie voisine.