Investigadores de la Universidad de Keele han desarrollado una técnica de aprendizaje automático que ayuda a los astrónomos a estimar mejor las edades de las estrellas a partir de los químicos dentro de sus atmósferas. La nueva investigación será presentada en la Reunión Nacional de Astronomía de 2023 por Keele Ph.D. estudiante George Weaver.
La edad de una estrella es muy difícil de determinar. A diferencia de objetos como los meteoritos del sistema solar o las rocas de otros planetas, no es posible recolectar muestras físicas para medir la abundancia química y la edad de las estrellas que vemos en el cielo nocturno mediante datación radiactiva. En cambio, los astrónomos necesitan hacer estimaciones basadas en la luz que recibimos de las estrellas. Esto es más fácil de hacer para grandes grupos de estrellas que evolucionan juntas, conocidas como cúmulos de estrellas, pero es mucho más difícil para estrellas individuales.
Durante las primeras etapas del ciclo de vida de una estrella, el calor y la presión en aumento pueden cambiar la composición química de su atmósfera. Un cambio importante es que la cantidad del elemento litio en su atmósfera disminuye con el tiempo a través de un proceso conocido como “agotamiento de litio”. Los modelos actuales no han sido capaces de describir toda la complejidad de este efecto.
La gran cantidad de espectros de alta calidad (un análisis de la luz emitida por un objeto) obtenidos del sondeo Gaia-ESO significa que los astrónomos ahora pueden analizar el problema del agotamiento del litio con mucha mayor profundidad. El nuevo modelo de red neuronal, un desarrollo de un modelo matemático anterior conocido como EAGLES, utiliza los datos de más de 6000 estrellas para modelar la relación entre la temperatura de una estrella, la abundancia medida de litio y la edad.
El nuevo método es ampliable y ya se está trabajando para incluir muchos más datos en el modelo, creando estimaciones de edad utilizando la mayor cantidad de información posible. Ya se están realizando pruebas para un modelo que incluye la metalicidad de las estrellas; el modelo tendrá en cuenta la medida de la cantidad de elementos más pesados que el helio en la estrella. Otras posibles expansiones observarán la desaceleración de la rotación de una estrella a lo largo de su vida y la disminución de su actividad magnética a lo largo del tiempo.
Doctor. George Weaver, estudiante y primer autor del artículo en preparación, explica: “Existen varios métodos y modelos independientes de estimación de la edad, pero esta red neuronal artificial nos brinda la oportunidad de crear un método combinado para estimar la edad de una estrella a partir de mediciones espectrales”. Y agrega: “No solo podría conducir a un modelo de ‘ventanilla única’ para las edades estelares y de cúmulos, sino que también nos ayudará a cuantificar y restringir las relaciones entre estos observables y la edad, y tal vez incluso descubrir nuevas relaciones que no estábamos”. no me di cuenta antes”.
Con información de Phys.org
