Ученые выяснили причину термоядерных взрывов "звезд-вампиров"

Международная группа ученых из Уорикского университета в Великобритании и Лейденской обсерватории в Нидерландах выяснила причину взрывов белых карликов — угасших звезд, исчерпавших свое топливо. Исследование опубликовано в научном журнале Monthly Notices of the Royal Astronomical Society (MNRAS).

Энергетические взрывы белых карликов, известные как сверхновые типа Ia, создают тяжелые элементы и разбрасывают их по космосу. Эти вещества в будущем могут стать строительным материалом для новых звезд, планет и даже способствовать появлению жизни.

Излучение, связанное со сверхновыми типа Ia, настолько уникально, что астрономы называют эти события "стандартными свечами" и используют их для измерения огромных космических расстояний.

Несмотря на важность сверхновых типа Ia для космической эволюции и их полезность в качестве инструмента измерения, ученые до сих пор точно не знают, как и почему они происходят.

По словам исследователей, белые карлики иногда могут "возродиться", если рядом находится другая звезда. В двойных системах угасшая звезда может начать поглощать вещество своего соседа, подобно мифическому вампиру.

Однако плазма звезды-донора не может напрямую достичь поверхности белого карлика из-за углового момента. Она формирует диск между звездами, состоящий из вещества, постепенно поступающего на белый карлик.

Это вещество накапливается на поверхности белого карлика, увеличивая его массу за пределы так называемого предела Чандрасекара, равного 1,4 массы Солнца. Превышение этого предела вызывает сверхновую.

Поглощение вещества белым карликом в конечном итоге приводит к неконтролируемому термоядерному взрыву: сверхновой типа Ia.

Астрономы тщательно изучили этот процесс с помощью инструментов машинного обучения. Используя искусственный интеллект, они провели компьютерное моделирование сверхновых типа Ia.

"Мы хотим сравнить сотни или тысячи моделей, чтобы полностью понять природу сверхновой. В большинстве случаев это невозможно. Новое исследование позволит сократить этот длительный процесс. Мы обучаем алгоритмы машинного обучения распознавать различные типы взрывов, что позволит гораздо быстрее создавать модели", — пояснили авторы исследования.