بیشتر آن‌ها از خارج از کهکشان ما سرچشمه می‌گیرند، اگرچه یکی از آن‌ها از منبعی در کهکشان راه شیری شناسایی شده است. برخی از این انفجارها نیز تکرار می‌شوند که بر پیچیدگی و رمزآلود بودن آن‌ها می‌افزاید.
اگرچه اخترفیزیک‌دانان معتقدند فرآیندهای اخترفیزیکی با انرژی بالا احتمالاً منشأ FRBs هستند، اما هنوز مطمئن نیستند که چگونه تولید می‌شوند. پژوهشگران برای درک بهتر این پدیده، از امواج گرانشی (GWs) برای بررسی یکی از منابع شناخته‌شده نزدیک این انفجارها استفاده کردند.
تنها منبع تأییدشده FRB در کهکشان راه شیری، یک ستاره نوترونی با میدان مغناطیسی بسیار قوی به نام یک مگنتار است که SGR 1935+2154 نامیده می‌شود. FRB این مگنتار در سال ۱۳۹۸ شناسایی شد و اولین موردی بود که به یک منبع خاص مرتبط شد. این مگنتار که حدود ۲۰,۰۰۰ سال نوری از ما فاصله دارد، همچنان به اندازه کافی نزدیک است که بتوان آن را مطالعه کرد.
در پژوهشی جدید که در The Astrophysical Journal منتشر شده است، دانشمندان از آشکارساز موج گرانشی بریتانیایی-آلمانی GEO600 برای بررسی ارتباط احتمالی میان FRBs و امواج گرانشی استفاده کردند. این پژوهش با عنوان “جستجو با استفاده از GEO600 برای امواج گرانشی هم‌زمان با انفجارهای رادیویی سریع از SGR 1935+2154” انجام شده و نویسنده اصلی آن A. G. Abac از مؤسسه ماکس پلانک برای فیزیک گرانشی است.
FRBs و مگنتارها هر دو انرژی فوق‌العاده‌ای دارند. ارتباط دادن یک FRB با مگنتار SGR 1935+2154 گامی بزرگ در جهت درک FRBs است، هرچند هنوز پرسش‌های بی‌پاسخ بسیاری باقی مانده است. برخی مگنتارها FRBها را به‌طور مکرر منتشر می‌کنند و در پرتو ایکس نیز می‌درخشند. مگنتارها ممکن است در اثر زلزله‌های ستاره‌ای که تنش‌های پوسته آن‌ها را آزاد می‌کند، چنین رفتارهایی نشان دهند. انرژی آزادشده باعث لرزش میدان مغناطیسی مگنتار و تولید FRBs و پرتو ایکس می‌شود. پژوهشگران در این اندیشه‌اند که آیا این زلزله‌ها می‌توانند امواج گرانشی نیز تولید کنند.
آیا مشاهده مگنتار برای امواج گرانشی می‌تواند دریچه‌ای به سوی شناخت مگنتارها و فرآیندهای مولد FRBs بگشاید؟
“مشاهده هم‌زمان انفجارهای رادیویی سریع و امواج گرانشی از یک مگنتار، شواهدی را ارائه می‌دهد که ما مدت‌ها به دنبال آن بوده‌ایم”، جیمز لاو، دانشمند ارشد آشکارساز موج گرانشی GEO600 در مؤسسه ماکس پلانک برای فیزیک گرانشی (مؤسسه آلبرت اینشتین؛ AEI) در هانوفر گفت. “به همین دلیل، ما با تیمی بین‌المللی همکاری کردیم تا داده‌هایی که با GEO600 جمع‌آوری کردیم را در حالی که یک مگنتار در نزدیکی کیهانی ما FRB منتشر می‌کرد، تحلیل کنیم.”
منبع تصویر: موسسه فیزیک گرانشی ماکس پلانک (موسسه آلبرت انیشتین)/ Milde Marketing.
بین فروردین ۱۳۹۹ و مهر ۱۳۹۹، SGR 1935+2154 سه دوره FRB تولید کرد و GEO600 در حال ثبت داده‌ها بود. لاو توضیح داد: “این بسیار مهم بود که GEO600 بتواند در حالی که تمام آشکارسازهای دیگر در حال ارتقا بودند، به مشاهده ادامه دهد. در غیر این صورت، فرصت ثبت داده‌های امواج گرانشی در طول این رویدادهای شگفت‌انگیز که در نزدیکی ما رخ می‌دهند، از دست می‌رفت.”
متأسفانه، تحلیل دقیق داده‌های GEO600 شواهدی از امواج گرانشی نشان نداد. با این حال، این مشاهدات همچنان ارزشمند بودند. حتی عدم شناسایی امواج گرانشی نیز اطلاعات جدیدی ارائه داد.
این اولین بار نیست که دانشمندان از آشکارسازهای امواج گرانشی برای جستجوی امواج گرانشی هم‌زمان با FRBs یا انفجارهای مگنتارها استفاده می‌کنند. پژوهشگران دیگر از آشکارسازهای قدرتمندتر LIGO، Virgo، و KAGRA (معروف به LVK) نیز استفاده کرده‌اند، اما موفقیتی حاصل نشده است. با این حال، این پژوهش‌ها محدودیت‌هایی را برای انرژی موج گرانشی مرتبط با این رویدادها تعیین کرده‌اند.
آشکارسازهای LVK بزرگ‌تر و قدرتمندتر از GEO600 هستند. داده‌های آن‌ها نشان داده است که حداکثر انرژی ممکن برای امواج گرانشی تولیدشده در FRBs بین سال‌های ۱۳۹۸ تا ۱۴۰۱ باید تا ۱۰,۰۰۰ برابر کوچک‌تر از تخمین‌های قبلی باشد.
اگر آشکارسازهای LIGO/Virgo بتوانند در دوره بعدی FRBهای این مگنتار فعال شوند، ممکن است بتوان ارتباط بین امواج گرانشی و FRBs را روشن کرد. “با داده‌های ابزارهای حساس‌تر، می‌توانیم با دقت بیشتری بررسی کنیم که آیا انفجارهای رادیویی سریع مگنتارها با امواج گرانشی همراه هستند و شاید راز قدیمی را حل کنیم”، کارستن دانزمن، مدیر مؤسسه AEI، گفت.
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
