Met behulp van machine learning, drie state-of-the-art simulaties en de nieuwste bevindingen uit een groot onderzoek
Dankzij zulke luchtobservatieprogramma's,zoals de Sloan Digital Sky Survey, hebben astronomen zich gerealiseerd dat niet alle sterrenstelsels in het universum actief sterren vormen. Er is een overvloedige populatie van "bevroren" objecten.
De vraag wat de vorming van sterren tegenhoudtin sterrenstelsels, wordt al twintig jaar besproken. Om dit probleem te begrijpen voerden wetenschappers van het Kavli Instituut voor Kosmologie een experiment uit. Ze gebruikten drie moderne kosmologische simulaties: EAGLE, Illustris en IllustrisTNG. Het doel is om te bestuderen hoe verschillende fysieke processen de vorming van sterren tegenhouden. Tijdens het werk gebruikten astronomen een machine learning-algoritme om sterrenstelsels in te delen in stervorming en in rust.
Nadat ze dit laatste hadden bestudeerd, ontdekten ze wat fysiek waseen proces – de injectie van energie door superzware zwarte gaten, supernova-explosies of schokopwarming van gas in massieve halo’s – is verantwoordelijk voor het feit dat sterren niet langer in sterrenstelsels worden geboren. Het bleek dat de massa van een superzwaar zwart gat de belangrijkste factor is die stervorming remt.
Lees verder
"James Webb" nam de duidelijkste foto van een ster in de geschiedenis
Ontwikkelingen van radiologen in Moskou op het gebied van AI werden de basis van federale normen
Quantum-opladen maakt recordbrekend snel opladen van elektrische voertuigen mogelijk