人类历史上第一颗确定的千新星爆炸是如何被发现的?-深度-知识分子

人类历史上第一颗确定的千新星爆炸是如何被发现的?

2017/12/06
导读
那是一个平凡的早晨

作者用DLT40项目组对NGC4993星系最近一年的监视图像制作的视频,描述了千新星DLT17ck的爆发瞬间图像。双中子星合并的模拟动画由NASA提供。


撰文 | 杨圣(意大利帕多瓦天文台博士、加州大学戴维斯分校访问学者)

责编 | 陈晓雪

 

  


美国东部时间2017年10月16日,星期一。上午十点,美国国家科学基金委联合LIGO,VIRGO,费米伽玛射线太空望远镜以及在光学和射电波段作出主要贡献的望远镜负责人,在美国华盛顿特区召开新闻发布会,宣布人类历史上首次利用引力波、电磁波和中微子等多种观测手段同时探测到了一颗大概率是双中子星合并类型的变源(注1)

 

人类正式开启多信使天文学时代

 

这颗天体源于2017年8月17号被探测到,在引力波段叫GW170817,在伽马波段叫GRB170817a,在光学上叫AT2017gfo/sss17a/DLT17ck。这一事件标志着人类正式开启多信使天文学的时代,令人无比振奋。

 

LCOGT(Las Cumbres Observatory Global Telescope)项目组的Lair Arcavi博士在Facebook上兴奋地写道:“无与伦比,这是我一生中最重要的时刻。”由于LIGO与所有参与后续观测的项目组签订过协议,LIGO公布引力波信息以后(即新闻发布会之后),其他项目组方可公布自己的观测结果。不过,欧洲的一位资深教授还是按捺不住自己的激动心情,在公共场合提前讨论这颗源后备受指责。

 

提前收到消息的各大杂志社对于这颗源相关的所有文章进行快速审稿,《自然》和《科学》甚至把出刊的时间提前到了10月17号星期二,就是为了配合16号新闻发布会后,第一时间刊发相关论文。据统计,17号当日就释放了81篇相关文章,其中包括6篇《自然》,一篇《自然-天文》,8篇《科学》,一篇《物理评论快报》和39篇《天体物理杂志快报》(注2)

 

人类历史上第一颗确定的千新星

 

通常,人类很难同时找到一颗天体源的各种辐射信息。有的时候我们只看到了引力波,有的时候我们只看到了伽马暴,有的时候我们又只看到了超新星。这次天文事件如此轰动,最重要的原因就是我们得到了这颗源的所有观测手段的信息,这些信息可以相互限制、相互佐证,这也就是多信使天文学的意义所在。而对于千新星这种快速瞬变的天体源而言,这次的发现也非常重要。如图1所示,DLT17ck周围都是空白,表明人类对时标极短的亮源所知甚少,而这颗千新星是人类历史上第一颗确定的千新星(注3)

 

图1 DLT40项目组统计的,人类至今观测到的大量变源在时间尺度和绝对星等上的分布图。作者绘制。


我很荣幸作为DLT40(Distance Less Than 40 Mpc)项目组核心成员,与加州大学戴维斯分校的Stefano Valenti教授和亚利桑那大学的David Sand教授通过一台40厘米口径的PROMPT5望远镜,在光学波段独立发现了这颗双中子星变源产生的千新星爆炸。同时,我也作为意大利国家天文台引力波项目组(Grawita, Gravatational Wavw Inaf Team)的成员,为这颗源最终被识别为千新星贡献了光谱认证。

 

那是一个平凡的早晨,美国西部时间2017年8月17号凌晨五点左右,Fermi GBM和LIGO相继发布内部通知,宣布找到了一个双中子星并合类型的天体源,这立刻引起了天文界的极大重视。LIGO之前找到的都是是双黑洞合并类型引力波源,对于这类源,天文学家普遍不相信会有电磁信号,我曾经和多位天文学家也聊到过这个问题,暗能量相机项目组DECam,Dark Energy Camera)的James Annis教授就认为双黑洞源不可能产生电磁信号。他们之所以还观测双黑洞源,更多是想检测仪器和软件的性能,对未来作出一定的预测。而我的导师,Grawita项目组的Enrico Cappellaro教授则认为说不定会有很奇怪的源,让我们搜搜看。但是有中子星参与的合并系统就不一样了,很多的研究都预测这类系统会产生一种叫做千新星的快速光学源,这类源爆发期可以达到普通新星亮度的一千倍,之后会在短短几天内迅速消失。当天早上八点左右,我根据费米伽玛射线太空望远镜的伽马暴源范围、LIGO/VIRGO联合限制的引力波源范围计算出了60个在DLT40星系库里的待观测星系,并发给了我们位于智利的望远镜,等待夜晚的观测。

 

谁也不知道晚上会发生什么。加州时间下午五点左右,Stefano Valenti开始分析智利传来的星系图像,当他看到那颗千新星图像的时候,第一时间他是不相信的。于是,他又重新拍了一遍那个星系,并通过减去几个月前的星系图像,算出图像的残差,确定有一颗变源,并详细算出了亮度、坐标和探测时间等相关信息,我们将其命名为DLT17ck。当我们把GCN(Gamma-ray Burst Coordinates Network,直译为伽马暴坐标网络,是最先在伽马暴领域应用的一种内部通讯系统,注4)发出去的时候,1M2H项目组(1 Meter 2 Hemisphere,用swarp望远镜全球第一个发现这颗千新星的课题组)已经发出了GCN,但是他们给出了错误的亮度,Decam 项目组也发出GCN,宣布也看了这颗源。根据GCN显示,我们是第一个探测到的,大家都很兴奋,因为大家都清楚这颗源的意义,然而过了一个小时,1M2H项目组更新了GCN,宣称其探测时间早大约二十分钟,这样很遗憾,我们错过了这颗千新星的第一个光学探测。事后经LIGO确认,2017年8月17号当晚全世界有六个项目组在光学上独立探测到这颗源的(如图2)

 

全世界独立发现这颗千新星的六个光学探测组的图像,以及X射线和射电波段的首个探测图像。APJL, 848: L12。


小视场的星系跟随策略

 

DLT40项目是一个光学波段的星系巡天项目,旨在第一时间内发现快速变源。我们有一个大概2000个星系组成的DLT40星系库,这些星系是我们从GWGC星系库(Gravitational Wave Galaxy Catalogue)里筛选出来的,主要针对在40Mpc(Mpc,兆秒差距,即10的六次方秒差距,秒差距是一个天文单位,约等于3.26光年,光年也是一个天文单位,表示光一年走过的路程。1Mpc约等于3*10的22次方米)距离以内的星系。我们很幸运,因为GWGC星系库里显示NGC4993(这颗千新星的寄主星系,NGC,即New General Catalogue,是一个星系表,NGC4993是这个星系表里排名第4993的一个星系的名字)的距离是39.5Mpc,刚好满足我们的筛选条件,不然,当晚我们可能会错过观测这颗千新星的寄主星系。事后证实,NGC4993可能是在40.5Mpc的距离。

 

平时,我们会对这2000个星系进行跟踪观测,当LIGO发现引力波信号后,我们会第一时间根据LIGO分享的引力波位置,从中选择较高概率的星系进行后续观测。这次取得成功的望远镜,大部分采用和DLT40相同的策略,即小视场的星系跟随策略。我们知道,天文上变源探测的三要素是搜寻范围,搜寻深度和探测时间。这种星系搜寻策略的图像处理简单,探测时间相对短,使得我们可以在第一时间找到变源,从而研究其前身星在爆炸瞬间的物理过程。但这种策略的前提是,你必须事先就有一个比较完整的星系表能够准确告诉你每个星系的位置。

 

目前为止,最全的星系表GLADE(Galaxy List for the Advanced Detector Era)在大约70Mpc的距离以内都是很完整的,但若超出这个距离范围,星系的信息会很不全,星系搜寻策略就束手无策了,我们被迫只能选择大视场盲搜。大视场盲搜策略相对而言有更大的搜寻范围,因为一般是大口径望远镜的选择,所以往往也会有更深的搜寻深度,但是大视场意味着意味着需要更多的图像处理时间,意味着更多的候选天体,意味着很难在第一时间准确找到那颗可能的源。以Grawita使用的欧南台2.6米口径VST望远镜为例,我们的视场是一个平方度,这个视场大概需要花费十几分钟来减两幅图像并识别可能的变源,而对于引力波源,我们一般需要观测几十甚至几百个平方度,这会使得我们需要一到两天时间来处理所有的图像,而每幅图像平均可以找到成百上千颗变源,我们通过肉眼来一颗一颗甄别的后果可能是当我们找到我们的目标源时,已经过去了一个礼拜。一个礼拜对于某些类型的超新星尚还可以接受,但是对于千新星这种类型的快速瞬变源,一个礼拜意味着我们已经永远看不见了。

 

人工智能对于天文学研究意义重大

 

未来的引力波对应体的后续电测观测,大视场盲搜必将成为唯一选择,而如何解决快速探测的问题呢?唯有并行运算和人工智能,并行运算可以一定程度上减少运行软件的时间,而面对如此多的候选天体,已经远远超出了人类判断的极限,人工智能AI将成为天文学家的唯一选择。

 

现阶段,很多大型望远镜,比如帕洛马瞬变工厂(PTF)和泛星计划(Pan-STARRS)已经开始做这方面的准备,我们也在为欧南台VST望远镜和即将竣工投入使用的LSST望远镜准备机器学习的相关程序。机器学习属于一种比较低等级的实现人工智能的方法,主要依靠一些算法来解析数据,通过选择能够代表数据的特征值以及相对于的数据的标签值训练机器,从而使掌握技能后的机器帮助我们判断新的数据。比如对于天文图像,可以选择的最简单的特征值就是一个包含了目标源的像素值矩阵。如图3,对于不同类型的目标源,这个特征矩阵会显示出不同的特性。当然我们在处理图像的过程中也会得到很多图像的参数,如图4,可以通过不同类型天体源对不同参数的成团性进行机器学习。

 

图3 DLT40项目发现的一些代表性源的照片和像素值,我们可以选取天体源周围的像素值矩阵作为特征来进行机器学习。由作者绘制。


图4 DLT40项目组统计的一些天体源,基于某种类型参数的成团性分析,选取一些比较有代表性的参数对天体源进行机器学习也是一种选择。


明年8月,LIGO和VIRGO会在升级完成后进行新一轮的引力波运行。随着日本神冈引力波探测器,印度LIGO等引力波探测器的相继加入,我们有理由相信引力波的探测范围会越来越精确,探测深度会越来越远,大视场盲搜策略也会越来越高效,越来越多的多信使天体源会被人类发现,人类将能更加精确地了解天体物理过程,从而更加精确地了解宇宙的过去和未来。

 

注:

1. 变源是指一定时间范围内在光度上有变化的天体源,这类天体源多是恒星死亡爆炸的产物,比如超新星,伽马暴等。

2. 因发现GW170817 发表的论文有多少篇?请看此链接: https://lco.global/~iarcavi/kilonovae.html。感谢LCOGT项目组的 Maria Drout,Iair Arcavi 和Stefano Valenti的整理。

3. https://kilonova.space,汇总了人类至今发现的一颗千新星和4颗千新星候选体的各类相关信息。

4. 当有人发现伽马暴源,会第一时间把坐标信息公布,以方便全球同领域的其他科学家跟随观测,类似于光学上的Atel,The Astronomer’s telegram。LIGO运行之后,做的LIGO GCN也有着相同的功能,当用户在LIGO的网站GraceDB上注册之后,可以选择邮件或者电话接受GCN,也可以在GraceDB上查询以往的GCN,本文所指的GCN都特指LIGO GCN。

 

参考文献:

1.Abbott et al, Multi-messenger Observations of a Binary Neutron Star Merger, 2017, APJL, 848: L12

2.Valenti, Sand, Sheng et al, The discovery of the electromagnetic counterpart of GW170817: kilonova AT 2017gfo/DLT17ck, 2017, APJL, 848: 2

3.Wright et al, Machine learning for transient discovery in Pan-STARRS1 difference imaging, 2015, MNRAS, 449: 451–466

4.Sheng et al, An empirical limit on the kilonova rate from the DLT40 one day cadence Supernova Survey, 2017, APJL, arXiv:1710.05864

5. 杨圣,小口径望远镜的逆袭:关于中子星合并,这些你并不知道.2017,《环球科学》

制版编辑: 许逸



参与讨论
0 条评论
评论
暂无评论内容
知识分子是由饶毅、鲁白、谢宇三位学者创办的移动新媒体平台,致力于关注科学、人文、思想。
订阅Newsletter

我们会定期将电子期刊发送到您的邮箱

GO