درحالی‌که تحقیقات گذشته بیشتر بر قمرهای سیاراتی که به دور ستاره‌های منفرد (مانند خورشید ما) می‌چرخند، تمرکز داشته‌اند، این سؤال مطرح می‌شود که آیا قمرها می‌توانند به دور سیاراتی که به دور دو ستاره (سیارات دوجسمی یا CBPs) می‌چرخند، وجود داشته باشند؟
مطالعه‌ای که اخیراً در مجله اخترفیزیک منتشر شده، تلاش می‌کند به این پرسش پاسخ دهد. تیمی از محققان دانشگاه تافتس احتمال آماری وجود قمرهای خارج از منظومه شمسی را در سیارات دوجسمی بررسی کردند. این مطالعه می‌تواند به ستاره‌شناسان کمک کند تا روش‌های شناسایی این قمرها در سیستم‌های سیاره‌ای متنوع را بهتر درک کنند.
در اینجا،درباره این پژوهش شگفت‌انگیز با بنجامین آر. گوردون، دانشجوی کارشناسی ارشد اخترفیزیک در دانشگاه تافتس و نویسنده اصلی مطالعه، گفت‌وگو کرده است. موضوعات بحث شامل انگیزه‌های پشت این تحقیق، نتایج کلیدی، مطالعات پیگیری احتمالی، اهمیت کشف قمرهای CBP و شناسایی سیستم‌های مستعد برای این قمرها بوده است.
انگیزه این مطالعه چه بوده است؟
گوردون گفت:
«ما در ابتدا با چند ایده انگیزه گرفتیم، اما اصلی‌ترین منبع الهام من این بود که سیارات دوجسمی تصور می‌شود فاصله مینیمم بیشتری نسبت به سیارات با یک ستاره داشته باشند، به این معنا که احتمال بیشتری وجود دارد که این سیارات در “منطقه قابل‌سکونت” باشند. بنابراین، هر قمری که به این سیارات دوجسمی تعلق داشته باشد و توانایی شکل‌گیری حیات را داشته باشد، ممکن است از نظر اندازه شبیه به زمین باشد، به‌خصوص اگر سیاره میزبان بسیار بزرگ باشد. اما پرسش بی‌اهمیتی نیست که بدانیم آیا قمرها در این سیستم‌های آشفته با دو ستاره و یک سیاره پایدار خواهند بود یا خیر، بنابراین مشتاق یافتن پاسخ بودیم!»
روش پژوهش
محققان برای این مطالعه از مدل‌سازی‌های کامپیوتری استفاده کردند تا شبیه‌سازی کنند قمرهای خارج از منظومه شمسی چگونه می‌توانند در شرایط مختلف سیستم‌های سیاره‌ای به دور CBPs بچرخند. تمرکز آن‌ها بر مفهوم «شعاع هیل» سیاره بود که به‌عنوان آستانه‌ای برای حفظ مدار قمرها در نظر گرفته می‌شود.
آن‌ها دو جمعیت از CBPs و قمرها را شبیه‌سازی کردند:
- جمعیت ۱: بدون محدودیت برای شعاع سیاره‌ای.
- جمعیت ۲: شعاع سیاره‌ای بین سه برابر زمین تا اندازه یک غول گازی.
درمجموع، محققان ۳۹۰ شبیه‌سازی کامپیوتری برای جمعیت ۱ و ۴۸۴ شبیه‌سازی برای جمعیت ۲ انجام دادند.
نتایج کلیدی
گوردون گفت:
«یکی از یافته‌های اصلی این بود که بخشی از پارامترهای شرایط اولیه سیستم ما همیشه به قمرهای پایدار برای سیارات دوجسمی منجر می‌شود. همچنین، دریافتیم که ۳۰-۴۰ درصد از قمرهای پایدار در منطقه قابل‌سکونت قرار دارند، که نسبت قابل‌توجهی است. ما همچنین نشان دادیم که سناریوی مهاجرت ناشی از دیسک برای سیستم‌های سیاره-قمر دوجسمی می‌تواند یکی از مسیرهای شکل‌گیری برای سیارات دوجسمی با دوره‌های طولانی باشد.»
آینده مطالعات و اهمیت کشف قمرهای CBP
گوردون در ادامه افزود:
«تحقیقات آینده می‌تواند پایداری این قمرها را شامل اثرات تمایل مداری و سیستم‌های چندسیاره‌ای بررسی کند. همچنین امیدوارم با استفاده از تلسکوپ‌هایی مانند تلسکوپ نانسی گریس رومن که قرار است بین سال‌های ۱۴۰۵و ۱۴۰۶ پرتاب شود، زمان مشاهده برای سیستم‌های دوجسمی مشابه شبیه‌سازی‌های خود را درخواست کنم. تاکنون هیچ قمری به‌طور قطعی شناسایی نشده، بنابراین یافتن حتی یکی از آن‌ها یک کشف شگفت‌انگیز خواهد بود. اگر قمرهایی را در اطراف سیارات دوجسمی بیابیم، می‌توانند نامزدهای فوق‌العاده‌ای برای جستجوی حیات باشند.»
کدام سیستم‌ها برای یافتن قمرهای CBP مستعدترند؟
گوردون گفت:
«به نظر من، سیستم‌های تک‌ستاره‌ای برای تأیید قمرهای خارج از منظومه راحت‌تر هستند، زیرا داده‌های مورد استفاده برای روش‌های پیشنهادی در سیستم‌های دوجسمی پیچیده‌تر هستند. برای مثال، در روش گذر، زمان‌بندی گذر به دلیل تعاملات دینامیکی ستاره‌ها متفاوت است، که این مسئله یافتن قمر در سیارات دوجسمی را دشوارتر می‌کند.»
درحالی‌که تحقیقات ادامه دارد و فناوری‌های پیشرفته‌تری توسعه می‌یابد، تلسکوپ‌هایی مانند رومن نه‌تنها به جستجوی سیارات خارج از منظومه شمسی ادامه خواهند داد، بلکه ساختارهای کیهانی، انرژی تاریک، و انحنای فضا-زمان را نیز مطالعه خواهند کرد.
آینده پیش‌رو
چند قمر در اطراف سیارات دوجسمی در سال‌های آینده شناسایی خواهد شد؟ پاسخ این پرسش را زمان مشخص خواهد کرد و همین موضوع، علم را هیجان‌انگیز می‌کند!
![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)
