پژوهش‌های علمی

دانشمندان بر روی سیاره فراخورشیدی شگفت‌انگیز «مشتری داغ» تمرکز می‌کنند

با این حال، جهان از زاویه‌ای دیگر به مدد تلاش‌های علمی جمعی شهروندان، مورد توجه قرار گرفته است.

دانشمندان بر روی سیاره فراخورشیدی شگفت‌انگیز «مشتری داغ» تمرکز می‌کنند
'مشتری داغ' WASP-77 Ab به دور ستاره ای شبیه به خورشید در فاصله 330 سال نوری از زمین می چرخد. (اعتبار تصویر: مفهوم هنرمندان سیستم WASP-77 A b، کاتالوگ سیارات فراخورشیدی ناسا)
توسط مونا علی اکبرخان افجه
4 دقیقه مطالعه

فقط ۳۳۰ سال نوری از ما فاصله دارد.

با این حال، دنیا به لطف تلاش‌های علمی جمعی دانشمندان غیرحرفه‌ای، توجه بیشتری را به خود جلب کرده است.

یک تیم بزرگ به رهبری فدریکو نوگر از دانشگاه ایالتی آریزونا اعلام کرد که دقیق‌ترین مشخصات WASP-77 Ab را اندازه‌گیری کرده است، سیاره فراخورشیدی «مشتری داغ» که به‌طور تاول‌آمیزی نزدیک به ستاره‌اش در فاصله ۳۳۰ سال نوری از زمین می‌چرخد. پارامترهای به روز شده به قدری واضح هستند که می‌توانند پیش‌بینی زمان عبور سیاره از روی ستاره خود را امکان‌پذیر کنند، پدیده‌ای که به عنوان گذر شناخته می‌شود و برای فهرست‌بندی اتمسفر سیاره و سایر ویژگی‌ها بسیار مهم است.

دانشمندان می‌گویند پیش‌بینی دقیق ترانزیت‌های آینده نیز برای برنامه‌ریزی مشاهدات روی تلسکوپ‌های فضایی بسیار مهم است – این امر کلیدی است زیرا تقریباً همیشه برای رزرو زمان برای این ابزارها بسیار رقابتی است.

آنتونی نوریس، یکی از نویسندگان این مطالعه در یک انتشار خبری اخیر گفت: ‘به عنوان یک دندانپزشک بازنشسته و اکنون شهروند دانشمند برای اگزوپلنت واچ، فرصت های تحقیقاتی مانند این راهی برای یادگیری و مشارکت در این زمینه شگفت انگیز اخترفیزیک می دهد.’

WASP-77 Ab در اصل در سال ۱۳۹۰ به عنوان یک غول گازی میلیارد ساله کشف شد که هر ۱.۴ روز یک بار دور ستاره خورشید مانند WASP-77 می چرخد ​​و از آن زمان تاکنون بارها مشاهده شده است. دانشمندان متحیر شده‌اند که چگونه سیارات مشتری مانند WASP-77 Ab شکل می‌گیرند و تکامل می‌یابند تا به دور ستاره‌هایشان نزدیک شوند. مشاهدات قبلی فلزات در جو سیاره که نمایی اجمالی از شکل‌گیری این سیاره را نشان می‌دهند، نشان می‌دهد که ممکن است جهان دورتر از ستاره‌اش ادغام شده و به دلیل نیروهای ناشناخته به مدار فعلی خود مهاجرت کرده باشد.

در مطالعه جدید، بیش از ۴۰ شهروند دانشمند از اگزوپلنیت واچ و اگزوکلاک برای ترکیب بیش از ۱۰۰ مشاهدات آرشیوی WASP-77 Ab که در پایگاه‌های داده مختلف، از جمله تلسکوپ‌های فضایی اسپیتزر، هابل و جیمز وب ناسا پراکنده شده‌اند، همکاری کردند. این تیم جرم WASP-77 Ab را تا ۱.۶ برابر مشتری و سرعت مداری را تا حدود ۱.۳۶ روز کاهش داد و عدم قطعیت های قبلی را به ترتیب با عوامل ۱۵.۱ و ۱۰.۹ کاهش داد.

به گفته دانشمندان، این تفاوت ممکن است کوچک به نظر برسد، اما به صرفه‌جویی در زمان گرانبها در تلسکوپ‌های بسیار رقابتی کمک می‌کند. عدم قطعیت‌های قبلی در مورد زمان گذر WASP-77 Ab – زمانی که یک سیاره در میانه گذر از روی ستاره خود قرار دارد و بیشترین نور را مسدود می‌کند – به این معنی بود که دانشمندان باید زمان بافر را برای تلسکوپ‌ها (قبل و بعد از اواسط پیش‌بینی شده) در نظر می‌گرفتند. زمان حمل و نقل برای اطمینان از ثبت کامل حمل و نقل الزامی بود.به گفته دانشمندان، این تفاوت ممکن است کوچک به نظر برسد، اما به صرفه‌جویی در زمان گرانبها در تلسکوپ‌های بسیار رقابتی کمک می‌کند. عدم قطعیت‌های قبلی در مورد زمان گذر WASP-77 Ab – زمانی که یک سیاره در میانه گذر از روی ستاره خود قرار دارد و بیشترین نور را مسدود می‌کند – به این معنی بود که دانشمندان باید زمان بافر را برای تلسکوپ‌ها (قبل و بعد از اواسط پیش‌بینی شده) در نظر می‌گرفتند. زمان حمل و نقل برای اطمینان از ثبت کامل حمل و نقل الزامی بود.

اما، باز هم، چنین تلسکوپ‌های فضایی تقریباً همیشه برای زمان تحت فشار قرار می‌گیرند، بنابراین پارامترهای جدید، از جمله بهترین زمان‌های عبوری، به کاهش زمان بافر کمک می‌کنند تا این تلسکوپ‌های فضایی بسیار رقابتی به نحو مؤثری مورد استفاده قرار گیرند.

منابع:space.com
این مقاله را به اشتراک بگذارید
مونا علی اکبرخان افجه
توسط مونا علی اکبرخان افجه
دانشجوی دکتری ژئوفیزیک گرایش لرزه شناسی هستم. ژئوفیزیک به بررسی ابعاد زمین و اتفاقاتی مانند زلزله و لرزه هایی که توسط فعالیت انسان به‌وجود می‌آید، می پردازد. فعالیت در حوزه زمین و فضا از علاقه مندی ام است.
نظر بدهید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

جدیدترین مطالب

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}")
ساختار کلان در ژرفای کهکشان‌ها؛ چگونه ذهن ما از کیهان عقب می‌ماند؟

جدیدترین های تکنوتا