اخترشناسان بر این باورند که اغلب کهکشان‌های مارپیچی چنین سیاه‌چاله‌ای دارند و این سیاه‌چاله‌ها هم‌زمان با کهکشان‌های میزبان خود رشد و تکامل می‌یابند. با این حال، آن‌ها هنوز موفق به شناسایی SMBH در همه کهکشان‌های مارپیچی نشده‌اند. کهکشان فرفره جنوبی (M83) مدت‌هاست که برای دانشمندان معما بوده، چون هیچ نشانه‌ای از وجود یک سیاه‌چاله ابرپرجرم در مرکز آن دیده نشده است. اما اکنون تلسکوپ فضایی جیمز وب (JWST) ممکن است سرنخ‌هایی جدید یافته باشد.
کهکشان‌های مارپیچی از زیباترین ساختارهای طبیعت هستند. اگر از کودکی بخواهید یک کهکشان را نقاشی کند، احتمالاً یک مارپیچ می‌کشد! این تصویر در ذهن کنجکاوان حک شده است، بنابراین جای تعجب نیست که اخترشناسان بخواهند آن‌ها را بهتر درک کنند.
تلاش برای شناخت این کهکشان‌ها، از جمله کهکشان خودمان، به یافته‌های ارزشمندی منجر شده است. در سال‌های اخیر، اخترشناسان موفق به شناسایی سیاه‌چاله‌های ابرپرجرم در قلب بسیاری از کهکشان‌های مارپیچی شده‌اند. آن‌ها معتقدند که هرچند همه مارپیچی‌ها میزبان SMBH نیستند، اما کهکشان‌هایی با برآمدگی مرکزی بزرگ احتمال بیشتری برای داشتن SMBH دارند. با این حال، در برخی موارد که انتظار می‌رفت SMBH وجود داشته باشد، هیچ نشانه‌ای یافت نشد. کهکشان M83 یکی از همین موارد است.
اعتبار تصویر: ناسا، ESA و تیم میراث هابل (STScI/AURA)؛ با سپاس از W. Blair (مؤسسه علوم تلسکوپ فضایی / دانشگاه جانز هاپکینز) و R. O’Connell (دانشگاه ویرجینیا).
همه می‌دانند که نمی‌توان خود سیاه‌چاله را دید، چرا که نه نور و نه هیچ اطلاعاتی نمی‌تواند از افق رویداد آن فرار کند. اما SMBHها به قدری پرجرم هستند که می‌توان اثرات آن‌ها را بر محیط اطراف مشاهده کرد. یکی از نشانه‌های کلیدی وجود SMBH زمانی دیده می‌شود که این سیاه‌چاله‌ها در حال جذب ماده هستند. در این حالت، آن‌ها «هسته کهکشانی فعال» (AGN) نامیده می‌شوند. ماده اطراف SMBH به شکل دیسکی گرداگرد آن جمع شده، داغ می‌شود و انرژی از خود منتشر می‌کند که توسط تلسکوپ‌ها قابل شناسایی است. با این حال، مشاهده این انرژی هم کار ساده‌ای نیست.
گاهی این ناحیه با گاز و غبار پوشیده شده و با وجود تلاش‌های اخترشناسان، هیچ نشانه روشنی از وجود SMBH آشکار نمی‌شود. برخی کهکشان‌ها آن‌قدر دور هستند که به‌سختی می‌توان SMBH آن‌ها را تشخیص داد. برخی دیگر هم ممکن است SMBH غیرفعال داشته باشند که شناسایی آن‌ها دشوارتر است. تحقیقات پیشین نشان داده بود که در M83 نه AGN وجود دارد، نه SMBH، یا اینکه به‌قدری با غبار پوشیده شده که قابل مشاهده نیست.
اعتبار تصویر: ESA/Webb، ناسا و CSA، A. Adamo (دانشگاه استکهلم) و تیم FEAST JWST.
تلسکوپ جیمز وب که به‌تازگی در اختیار اخترشناسان قرار گرفته، برای دیدن از میان غبارهای متراکم بسیار بهتر از هر تلسکوپ دیگری ساخته شده است. پژوهشی تازه که در ژورنال The Astrophysical Journal منتشر شده، شواهدی ارائه می‌دهد که ممکن است نشان‌دهنده وجود SMBH در M83 باشد. عنوان این مقاله چنین است:
«آشکارسازی خطوط [Ne v] و [Ne vi] در M83 با JWST/MIRI: شواهدی برای هسته کهکشانی فعال مدت‌ها جستجو شده؟»
نویسنده اصلی مقاله، «سِوآ هرناندز» از مؤسسه علمی تلسکوپ فضایی است.
لیندا اسمیت از همین مؤسسه می‌گوید:
«سال‌ها اخترشناسان به‌دنبال یافتن سیاه‌چاله‌ای در M83 بودند، اما موفق نشدند. اکنون سرنخ قانع‌کننده‌ای داریم که نشان می‌دهد ممکن است یکی وجود داشته باشد.»
پژوهش بر نخستین شناسایی نئون یونیزه‌شده در ناحیه مرکزی M83 تمرکز دارد. نویسندگان مقاله می‌گویند شوک‌های تابشی سریع و گاز یونیزه‌شده توسط یک AGN ممکن است عامل انتشار این خطوط نئون باشند. شوک‌های تابشی سریع در دیسک‌های گازی پیرامون سیاه‌چاله یا برخورد فوران‌های خروجی سیاه‌چاله با گازهای اطراف رخ می‌دهند. در این مطالعه، پژوهشگران موفق به شناسایی Ne v و Ne vi، دو نوع نئون بسیار یونیزه شده، شدند که تنها در حضور فوتون‌های پرانرژی یا برخوردهای شدید تشکیل می‌شوند.
به گفته نویسندگان، انتشار Ne v در گذشته یکی از شاخص‌های مهم برای تشخیص فعالیت AGN بوده است. آن‌ها می‌نویسند:
«قدرت تابش Ne v در مادون قرمز میانی (MIR) در این است که می‌تواند حضور AGNها را حتی در شرایطی که در نور مرئی قابل مشاهده نیستند، آشکار سازد. کهکشان‌های پرانفجار ستاره‌ای (Starburst) قادر به تولید چنین تابشی نیستند.»
سِوآ هرناندز می‌گوید:
«کشف خطوط نئون با یونیزاسیون بالا در مرکز M83 برای ما غافل‌گیرکننده بود. تولید این نشانه‌ها نیاز به انرژی بسیار بیشتری از آن‌چه ستارگان عادی می‌توانند فراهم کنند دارد. این به‌وضوح نشان می‌دهد که احتمالاً یک هسته کهکشانی فعال در آنجا وجود دارد که تا کنون از دید ما پنهان مانده بود.»
این یافته‌ها به لطف ابزار مادون‌قرمز میانی (MIRI) تلسکوپ جیمز وب ممکن شده است. غبارهای فضایی معمولاً هم‌اندازه یا کوچک‌تر از طول‌موج نور مرئی‌اند و در نتیجه آن را پخش می‌کنند، به همین دلیل نور مرئی نمی‌تواند از میان آن‌ها عبور کند. اما طول‌موج‌های مادون‌قرمز بلندتر از ذرات غبارند و به‌راحتی از آن‌ها عبور می‌کنند؛ درست مانند امواج رادیویی بلند که از میان ساختمان‌ها عبور می‌کنند در حالی‌که نور مرئی نمی‌تواند.
هرناندز می‌افزاید:
«پیش از تلسکوپ جیمز وب، ابزار لازم برای تشخیص چنین نشانه‌های ضعیف و یونیزه در مرکز M83 را نداشتیم. اما اکنون، با حساسیت بی‌نظیر آن در محدوده مادون‌قرمز، می‌توانیم به اعماق پنهان کهکشان نفوذ کنیم و چیزهایی را ببینیم که پیش‌تر نامرئی بودند.»
با استفاده از ابزار MIRI، اخترشناسان توده‌هایی از گاز بسیار یونیزه‌شده را در ناحیه مرکزی M83 شناسایی کردند. این گاز نمی‌تواند حاصل فعالیت ستارگان یا حتی انفجار ابرنواخترها باشد، چرا که انرژی کافی برای تولید آن را ندارند. با کنار گذاشتن این احتمالات، AGN محتمل‌ترین منبع برای آن به شمار می‌رود. با این حال، هنوز نمی‌توان با قطعیت گفت که M83 یک SMBH دارد.
علل دیگری مانند موج‌های شوکی شدید در محیط میان‌ستاره‌ای نیز می‌توانند عامل باشند. چون تابش نئون از ناحیه‌ای نسبتاً گسترده دیده شده، ممکن است منبع آن ترکیبی از شوک‌ها، سیستم‌های دوتایی پرجرم پرتو X یا AGNها باشد. نویسندگان مقاله در پایان می‌نویسند:
«با توجه به گستردگی نسبی تابش [Ne v]، یک سناریوی محتمل ترکیبی از منابع مختلف (شوک‌ها، دوتایی‌های پرجرم پرتو ایکس، و AGNها) است که موجب یونیزاسیون بالا در خطوط MIR شده‌اند.»
لیندا اسمیت می‌گوید:
«جیمز وب درک ما از کهکشان‌ها را دگرگون کرده است. سال‌ها به‌دنبال یافتن سیاه‌چاله‌ای در M83 بودیم، و حالا بالاخره سرنخی جدی در دست داریم که نشان می‌دهد ممکن است یکی در آنجا باشد.»
![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)
