در قلب امگا قنطورس، مجموعه‌ای عظیم از ستاره‌های گرانشی که بیش از ۱۷,۰۰۰ سال نوری از ما فاصله دارد، اخترشناسان شواهدی از گروهی کامل از سیاه‌چاله‌های با جرم ستاره‌ای کشف کرده‌اند.
این کشف چالش‌های جالبی را مطرح می‌کند، زیرا پژوهش‌های پیشین نشان می‌دادند این جرم یک سیاه‌چاله عظیم است که هزاران برابر جرم خورشید می‌باشد. اما کشف ماهیت واقعی تاریکی در امگا قنطورس، ما را به حل این مشکلات نزدیک‌تر کرده است.
آندرس بانارس هرناندز، اخترفیزیک‌دان از مؤسسه اخترفیزیک جزایر قناری در اسپانیا، توضیح می‌دهد:
«ما مدت‌ها از وجود سیاه‌چاله‌های ابرپرجرم در مراکز کهکشان‌ها و سیاه‌چاله‌های با جرم ستاره‌ای در کهکشان خودمان آگاه بوده‌ایم. با این حال، مفهوم سیاه‌چاله‌های با جرم متوسط که می‌توانند شکاف بین این دو دسته را پر کنند، همچنان اثبات‌نشده باقی مانده است.
با مطالعه امگا قنطورس – که بقایای یک کهکشان کوتوله است – توانستیم روش‌های خود را بهبود داده و قدمی به جلو در فهم اینکه آیا چنین سیاه‌چاله‌هایی وجود دارند و چه نقشی در تکامل خوشه‌های ستاره‌ای و کهکشان‌ها ایفا می‌کنند، برداریم. این پژوهش به حل یک بحث دو دهه‌ای کمک کرده و درهای جدیدی برای تحقیقات آینده باز می‌کند.»
امگا قنطورس یک خوشه کروی است – مجموعه‌ای بزرگ، متراکم و کروی از ستاره‌ها که توسط گرانش به‌طور فشرده به هم متصل شده‌اند. این خوشه حدود ۱۵۰ سال نوری قطر دارد و شامل حدود ۱۰ میلیون ستاره تخمین زده می‌شود.
گمان می‌رود که امگا قنطورس هسته باقی‌مانده یک کهکشان کوتوله باشد که مدت‌ها پیش در کهکشان راه شیری ادغام شده است. اخترشناسان تصور می‌کنند که کهکشان‌های کوتوله مانند کهکشان‌های کامل، اما در مقیاس کوچک‌تر هستند؛ به‌جای یک سیاه‌چاله ابرپرجرم در مرکز، با جرمی میلیون‌ها تا میلیاردها برابر جرم خورشید، یک کهکشان کوتوله ممکن است یک سیاه‌چاله با جرم متوسط داشته باشد، که جرمی بین صد تا یک میلیون برابر جرم خورشید دارد.
سیاه‌چاله‌های با جرم متوسط (IMBHs) بسیار مورد توجه اخترشناسان هستند. ما گمان می‌کنیم که چنین سیاه‌چاله‌هایی وجود دارند، زیرا باید پیوندی بین سیاه‌چاله‌های با جرم ستاره‌ای و سیاه‌چاله‌های ابرپرجرم وجود داشته باشد، اما شواهد کمی برای آن‌ها پیدا کرده‌ایم.
سیاه‌چاله‌ها معمولاً موقعیت خود را به‌آسانی فاش نمی‌کنند، مگر اینکه در حال بلعیدن مواد باشند. بنابراین، باید شواهد غیرمستقیمی برای وجود آن‌ها پیدا کنیم. مطالعات زیادی برای ردیابی حرکات ستاره‌ها در داخل امگا قنطورس انجام شده است تا ببینیم آیا حرکت آن‌ها می‌تواند با مداری به دور یک جرم نامرئی مرکزی – یک سیاه‌چاله با جرم متوسط – توضیح داده شود یا نه.
چندین مطالعه نشان داده‌اند که پاسخ مثبت است – به نظر می‌رسد یک جرم نامرئی درون امگا قنطورس وجود دارد.
اما این فقط در صورتی صادق است که آن جرم یک شیء واحد باشد و نه یک گروه. اخترشناسان قبلاً فکر می‌کردند که وجود یک گروه از سیاه‌چاله‌ها کمتر محتمل است، زیرا تعاملات گرانشی بین سیاه‌چاله‌ها و ستاره‌های دیگر می‌تواند آن‌ها را به خارج از مرکز خوشه پرتاب کند.
تیمی به سرپرستی بانارس هرناندز تصمیم گرفت اطلاعات بیشتری درباره سیاه‌چاله با جرم متوسط فرضی در امگا قنطورس به دست آورد. آن‌ها داده‌های جدیدی درباره شتاب‌های تپ‌اخترها به تحلیل خود اضافه کردند.
تپ‌اخترها نوعی از ستاره‌های نوترونی هستند که بسیار سریع می‌چرخند و بارها در هر ثانیه پرتوهای رادیویی از قطب‌های خود منتشر می‌کنند.
این کشف، هنوز به‌طور قطعی وجود یا عدم وجود سیاه‌چاله با جرم متوسط را رد نمی‌کند. بلکه احتمال هم‌زیستی سیاه‌چاله‌های با جرم ستاره‌ای و متوسط را مطرح می‌کند.
جاستین رید، اخترفیزیک‌دان از دانشگاه سوری در بریتانیا، می‌گوید:
«شکار سیاه‌چاله‌های با جرم متوسط ادامه دارد. ممکن است یکی از آن‌ها در مرکز امگا قنطورس وجود داشته باشد، اما کار ما نشان می‌دهد که جرم آن باید کمتر از ۶,۰۰۰ برابر جرم خورشید باشد و همراه با گروهی از سیاه‌چاله‌های با جرم ستاره‌ای باشد.
این احتمال وجود دارد که به‌زودی یکی از آن‌ها را پیدا کنیم. شتاب‌های تپ‌اخترهای بیشتری در حال کشف هستند و به ما امکان می‌دهند مرکز خوشه‌های ستاره‌ای متراکم را با دقت بیشتری جستجو کنیم و به شکار سیاه‌چاله‌ها ادامه دهیم.»
![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)
