太阳寿命骤减:我们对宇宙的理解存在着根本性偏差

2018 年 8 月 7 日 科研圈

NASA 太阳动力学观测台拍摄的太阳

图片来源:NASA / SDO / Seán Doran


我们赖以生存的不仅仅是地球,还有距离我们 1.5 亿公里的太阳。这颗带给我们光和热的恒星,也给天文学家们带来了一个又一个谜团。明白太阳的化学成分和运作原理并不如想象中容易,一步走错,满盘皆输,影响会延伸到宇宙的每个角落。提前10亿年走向死亡的太阳,推翻的将不仅是一个理论……


撰文 Natalie Wolchover

翻译 贾晓璇

审校 徐文慧

编辑 徐文慧


掌握太阳命运的“金属”


与任何一颗鼎盛时期的恒星一样,太阳主要由氢和氦组成,氢原子两两聚变形成氦,释放出巨大的能量。太阳中的重元素,即金属(这个术语不同于一般所认知的“金属”,因为在宇宙中氢和氦的组成量占了压倒性的大数量,天文学家将所有更重的元素都视为金属)含量虽微,却掌控着太阳的命运


瑞典斯德哥尔摩大学(Stockholm University)研究太阳“金属丰度(metallicity)”的物理学家萨尼·瓦尼奥奇(Sunny Vagnozzi)解释道:“极少量的金属就足以彻底改变恒星的行为。”


恒星的金属丰度越高,不透明度就越高(因为金属会吸收辐射)。恒星的不透明程度反过来又与它的大小、温度、亮度、寿命等其他主要性质有关。瓦尼奥奇说:“金属丰度基本上也能告诉你这颗恒星将如何死去。” 


但是太阳的金属丰度,除了揭示它自己的故事,还能够作为一种衡量其他恒星金属丰度的标尺,一窥宇宙中恒星、星系和其他一切星际物质的性质,比如年龄和温度。


澳大利亚国立大学(Australian National University)的天体物理学家马丁·阿斯普朗德(Martin Asplund)说道:“如果我们对这把标尺做出了修正,就意味着我们对整个宇宙的理解也必须改变。因此对太阳化学成分的准确掌握极为重要。”



相去甚远的测量结果


然而,随着对太阳金属丰度的测量越来越精准,所得数据在解答天文学家相关疑问的同时,也给引发了更多的问题。


天文学家无法解释诸如太阳的金属丰度、物质含量、化学成分、模型建立问题等谜团,这意味着他们之前对太阳,乃至对所有恒星的理解可能都存在着“根本性偏差”


瓦尼奥奇认为:“后果将无法设想。”


二十年前,天文学家自认为对太阳的理解足够充分,直接和间接的测量结果都表明,太阳的金属丰度在 1.8% 左右,多么令人欣慰的一致啊,天文学家们因此相信,他们不仅掌握了太阳这把标尺的“长度”,更明晰了太阳运作的秘密。


但从 2000 年至今,越来越精确的太阳光谱测量,即太阳成分的直接探测(因为每一种元素都在会光谱中产生特征吸收线)表明,太阳的金属丰度仅有 1.3%,远低于之前的的测量结果


太阳光谱

图片来源:baas1995.org


而与此同时,日震学(helioseismology)作为一种间接测量方法,基于不同频率声波在太阳内部传播的方式,推断出太阳的金属丰度仍为 1.8%


两种方法所得的结果竟相去甚远。



争论陷入僵局


如果天文学家提出的太阳理论,即“标准太阳模型”是正确的,那光谱学和日震学结果就应该一致,也就是说,利用日震学测量应该能计算出太阳中对流大于辐射的边界层深度。根据方程式,这一深度与不透明度相关,进而计算出太阳的金属丰度。这一系列的计算结果,应该与太阳光谱测量的直接测量所得金属丰度结果相同。


太阳内部结构

图片来源:kepu.net.cn


事实却并非如此。


领导团队进行精确光谱测量的阿斯普朗德说:“这不仅是太阳物理学的问题,更是整个天文学的问题。要么天文学家不明白如何利用光谱学去测量恒星的元素丰度,要么我们对恒星内部及其震荡频率的理解有所遗漏。无论如何,影响都是巨大的,因为恒星是我们探测宇宙的基本方式,恒星天体物理学为现代天文学和宇宙学奠定了深厚的基础。”


耶鲁大学(Yale University)的太阳天体物理学家萨巴尼·巴苏(Sarbani Basu)表示,对可能出现的问题(包括太阳内部可能存在暗物质的猜测)探讨多年之后,这场争论已“陷入了一种僵局”。



隐晦的希望


但希望仍存。最近,太阳中微子(solar neutrino),一种来自太阳的寿命极短的粒子,为太阳金属丰度的测量提供了隐晦的线索。


图片来源:NASA


核聚变不同,产生的太阳中微子能量也就不同,因此太阳中微子携带了有关太阳成分的信息


今年6月在德国海德堡举行的一次会议上,意大利格兰萨索国家实验室(Italy's Gran Sasso National Laboratory)对太阳中微子进行了检测,结果稍倾向于太阳金属丰度为 1.8% 的估计


如果这个更高的太阳金属丰度估计值是正确的,那么阿斯普罗德团队的光谱测量到底哪里出了问题?


“如果问题出在光谱学上,那我们在分析其他恒星时,很可能也犯了同样的错误。”他说。这将影响我们对恒星和包括银河系在内的星系化学成分演化的解释。



太阳寿命的骤减


但阿斯普伦德坚持认为,他 1.3% 的光谱测量估计是正确的。他指出,2015 年发表在《自然》杂质上的一项研究表明,在太阳核心的高压环境下,金属对不透明度的正影响可能远超我们的预料。如果根据这个误差对“标准太阳模型”进行修正,日震学和中微子对金属丰度的测量结果有可能降至 1.3%。


格兰萨索国家实验室的团队,希望能在未来的几年里探测到碳氮氧循环(CNO cycle)中产生的微量太阳中微子。碳氮氧循环是太阳内部的一种聚变反应,以碳、氮和氧三种原子作为氢聚变成氦的催化剂。


团队的合作者、马萨诸塞大学阿姆赫斯特分校(University of Massachusetts Amherst)的物理学家安德里亚·波卡尔(Andrea Pocar)说:“碳氮氧循环产生的中微子受到金属丰度的影响很大,所以探测这些中微子意义非凡。”


如果太阳金属丰度真的只有 1.3%,“标准太阳模型”则确实在不透明度方面存在问题。


阿斯普朗德认为:“天文学的方方面面都会因此受到影响,对恒星演化的准确认识,几乎奠定了一切的基础。” 届时,恒星和星系的估计年龄将不得不进行 10~15% 的修正。


不幸的是,从太阳本身,以及地球上未来生命的角度来看,金属丰度低的恒星比金属丰度高的恒星燃烧得更快,因此,太阳的寿命可能比我们预想的要短 10 亿年。



原文链接: 

https://www.quantamagazine.org/what-is-the-sun-made-of-and-when-will-it-die-20180705/




更多论文解读及推荐,点击👉关注领研网论文频道


阅读更多


▽ 故事

· 从学界泰斗到铁窗囚徒,现在能容下他的只有妻子的厨房

· 2018年国家杰青入选名单正式公布!

· 拿过菲尔兹奖的数学家,也曾怕数学

· 6万人关注了我原本无人问津的研究,而我只是做了这件事

▽ 论文推荐 

· 把人看做分子,理解利他行为

· 只剩一条染色体,它仍然活着!中国科学家探索生命极限

▽ 论文导读

· Nature 一周论文导读 | 2018 年 7 月 26 日

· Science 一周论文导读 | 2018 年 7 月 27 日


内容合作请联系

keyanquan@huanqiukexue.com

登录查看更多
0

相关内容

最新《机器学习理论初探》概述
专知会员服务
46+阅读 · 2020年5月19日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
35+阅读 · 2020年4月15日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
77+阅读 · 2020年3月10日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
100+阅读 · 2020年3月9日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
物理学家终于找到了一种拯救薛定谔猫的方法
中科院物理所
8+阅读 · 2019年6月10日
同质结中的“超注入”现象:半导体光源迎来新机遇!
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
用模型不确定性理解模型
论智
11+阅读 · 2018年9月5日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
深度学习必须理解的25个概念
机器学习算法与Python学习
5+阅读 · 2018年6月7日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2017年12月23日
VIP会员
相关VIP内容
最新《机器学习理论初探》概述
专知会员服务
46+阅读 · 2020年5月19日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
35+阅读 · 2020年4月15日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
77+阅读 · 2020年3月10日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
100+阅读 · 2020年3月9日
新时期我国信息技术产业的发展
专知会员服务
70+阅读 · 2020年1月18日
相关资讯
物理学家终于找到了一种拯救薛定谔猫的方法
中科院物理所
8+阅读 · 2019年6月10日
同质结中的“超注入”现象:半导体光源迎来新机遇!
人工智能能够预测地震吗?
人工智能学家
7+阅读 · 2018年12月10日
【数字孪生】一文读懂数字孪生的应用及意义
产业智能官
43+阅读 · 2018年9月28日
用模型不确定性理解模型
论智
11+阅读 · 2018年9月5日
丘成桐:攻克物理难题的数学大师
科技导报
5+阅读 · 2018年7月23日
深度学习必须理解的25个概念
机器学习算法与Python学习
5+阅读 · 2018年6月7日
Top
微信扫码咨询专知VIP会员