Галактики в ранней Вселенной излучают мощную Линию Лайман-альфа (Ly-α) — свет, возникающий, когда водородный газ вокруг галактик сначала нагревается и теряет электроны, а затем остывает и собирается обратно. В момент восстановления атом испускает вспышку ультрафиолетового света (своеобразный сигнал, по которому астрономы находят далекие галактики). Благодаря расширению Вселенной этот свет смещается в видимый диапазон и становится одним из главных инструментов поиска.
Наблюдения последних десятилетий показали, что вокруг некоторых из них расположены огромные облака светящегося газа — так называемые Ly-α-гало и Ly-α-облака, размеры которых могут достигать десятков и даже сотен килопарсек. Предполагалось, что эти «космические амебы» связаны либо со вспышками звездообразования, либо с активными ядрами галактик, либо с потоками газа, падающего в темные гало. Правда, до сих пор изучали отдельные яркие объекты или небольшие выборки, из-за чего было неясно, насколько такие структуры вообще распространены.
Международная группа астрономов под руководством Эрин Ментуч Купер (Erin Mentuch Cooper) из Техасского университета в Остине (США) использовала данные проекта HETDEX— одного из крупнейших обзоров неба, наблюдающего галактики в эпоху космического полудня (примерно 10-11 миллиардов лет назад). Тогда скорость звездообразования во Вселенной была максимальной.
[shesht-info-block number=2]
Телескоп систематически сканировал большие участки неба без предварительного выбора целей, что позволило собрать беспрецедентно большую статистику. В общей сложности ученые проанализировали 70 тысяч галактик с излучением Ly-α, построив для каждой карту распределения света. Подход позволил проверить, ограничивается ли излучение компактным источником или распространяется далеко за пределы галактики.
Чтобы отделить настоящие протяженные структуры от эффектов атмосферного размытия, астрономы применили модель из двух компонентов: яркого центрального источника и слабого экспоненциального «ореола». Если добавление второго статистического компонента улучшало описание наблюдений, объект считался окруженным протяженной туманностью.Таким образом, авторы научной работы, представленной в The Astrophysical Journal, провели первое по-настоящему массовое измерение размеров и свойств этих облаков.
Результаты показали, что примерно 47,5 процента всех исследованных галактик имеют заметное протяженное излучение. Значит, гигантские водородные оболочки — не экзотика, а почти распространенное свойство галактик. По итогу ученые создали каталог из 33 тысяч обнаруженных туманностей.
[shesht-info-block number=2]
При этом стандартные методы измерений систематически недооценивали яркость галактик примерно на 30 процентов. Дело в том, что значительная часть света распределена в слабом внешнем гало. Значит, предыдущие оценки энергии и газовых потоков во Вселенной могли быть занижены.
К тому же лишь 12 процентов таких туманностей связаны с активными сверхмассивными черными дырами, тогда как большинство возникает вокруг обычных звездообразующих галактик. Выходит, протяженный водородный газ — фундаментальная часть галактической среды, а не редкий побочный эффект активности ядра. Исследователи также предположили, что светящиеся облака формируются путем нескольких процессов: рассеянием фотонов, излучением самого газа и охлаждением вещества, падающего вдоль нитей космической паутины.
Главный вывод работы — объединение двух ранее считавшихся разными классов объектов: компактных гало и гигантских облаков. Теперь их рассматривают как части единого спектра явлений, отражающих взаимодействие галактик с окружающим межгалактическим газом.
Созданный каталог объектов станет базой для будущих исследований того, как галактики получают топливо для рождения звезд и как формировалась крупномасштабная структура Вселенной.
Вокруг галактик ранней Вселенной нашли десятки тысяч «космических амеб»
В биологии такой механизм полового отбора называется «скрытый выбор самки»: самка спаривается с несколькими самцами, но после совокупления к оплодотворению яйцеклеток допускаются лишь сперматозоиды определенного полового партнера. Этот скрытый отбор происходит внутри репродуктивного тракта путем так называемой дискриминации сперматозоидов: физиологическая реакция влагалища различается в зависимости от характеристик сперматозоидов, благоприятствуя одним и отвергая других.
Ученые предполагают, что выбор может быть основан на генетическом материале самца, который несут сперматозоиды. Прежде всего на генах главного комплекса гистосовместимости — участка генома, отвечающего за идентификацию патогенов и регуляцию иммунного ответа. У близких родственников этот регион генома схож.
Считается, что животные выбирают партнеров с максимально непохожим на свой генетическим набором аллелей главного комплекса гистосовместимости. Это снижает риск близкородственного скрещивания, обеспечивает генетическое разнообразие потомства и способствует его выживаемости.
До сих пор процесс дискриминации сперматозоидов наблюдали лишь у грызунов. У более крупных млекопитающих, таких как приматы, доказательства существования подобного внутреннего отбора отсутствовали. Не было и подтверждений гипотезы о том, что дискриминация сперматозоидов основана именно на их генетических характеристиках.
Чтобы разобраться в этой проблеме, международная группа исследователей, статья которой опубликована в журнале PLOS Biology, изучила популяцию из 13 павианов анубиса (Papio anubis), девяти самок и четырех самцов, содержащихся в центре приматов во Франции.
Сначала ученые картировали ДНК каждого животного, сосредоточившись на генах главного комплекса гистосовместимости, а также на генах, обеспечивающих распознавание чужеродного и похожего генетического материала. Кроме того, исследователи натренировали самок так, чтобы те за угощение подходили и позволяли быстро брать у них мазки из влагалища.
Самцов и самок в разном составе помещали вместе в вольеры, чтобы происходило спаривание как близкородственных, так и неродственных пар. У самок брали мазки до спаривания и через четыре часа после него, чтобы увидеть, как их организм реагирует на присутствие определенных сперматозоидов.
В итоге ученые установили, что среда репродуктивного тракта самок меняется в ответ на попадание в нее спермы разных самцов, либо препятствуя, либо способствуя ее проникновению дальше, к яйцеклетке.
Так, при спаривании самок с самцами, обладающими схожими генами главного комплекса гистосовместимости, pH влагалища значительно снижался. Это приводило к более кислой среде, уменьшая вероятность оплодотворения. А при спаривании с генетически отличающимися самцами pH влагалища оставался стабильным или снижался лишь незначительно, создавая более благоприятную среду для сперматозоидов и повышая шансы зачатия.
Ученые также обнаружили, что после спаривания с генетически схожими самцами во влагалище происходил всплеск активности генов, связанных с воспалительной реакцией и иммунной сигнализацией, то есть взаимодействием иммунных клеток между собой для координации защиты от вторжения.
Столь мощный иммунный ответ на нежелательные сперматозоиды свидетельствует о том, что организм самки способен их распознавать и запускать защитную реакцию, не разрешая участвовать в зачатии. Таким образом, с помощью механизма дискриминации сперматозоидов организм самки играет активную роль в обеспечении генетического разнообразия ее потомства, сделали вывод исследователи.
Самок павианов уличили в дискриминации сперматозоидов
В последнее время мировые поисковые системы уделяют все больше внимания прямым ответам на запросы. То есть когда человек вбивает что-то в поиск, кроме выдачи ссылок, он получает в самом верху ответ, который нейросеть генерирует «на лету», в виде связного текста. «Генеративные ответы — важная часть пользовательского опыта. Такие ответы должны соответствовать требованиям Поиска: быть быстрыми, лаконичными и эффективно работать на большом потоке запросов», — отметила Екатерина Серажим.
Для решения довольно непростой задачи компания развивает отдельный набор моделей — Alice AI Search, оптимизированный под задачи поиска. «За последний год мы внедрили улучшения во всех частях технологии — от обучения претрейн-моделей до оптимизации инфраструктуры», — добавила она.
По ее словам, для таких моделей требуется и особая архитектура, так как в Поиске им приходится почти мгновенно анализировать большой объем информации из веб-документов. Это отличается от стандартного подхода нейросетей к генерации ответов. Поэтому важно использовать решения, которые обеспечивают высокое качество выдачи при ограниченных вычислительных ресурсах.
Технический директор пояснила, что в экспериментах компании архитектура «энкодер-декодер» — где одна часть модели анализирует запрос и документы, а другая формирует ответ — при работе с большим объемом данных показала результаты лучше классических языковых моделей. Чтобы ускорение работы модели шло без потери качества, компания использовала подход Mixture of Experts (MoE).
Это принятая в индустрии архитектура, которая позволяет значительно увеличить количество параметров модели (очень условно — ее «знания»), не увеличивая при этом вычислительные затраты на каждый отдельный запрос.
Если обычная нейросетевая модель при каждом слове активирует все свои нейроны («плотная» модель), то MoE-модель активирует только малую часть своих мощностей («разреженная» модель). «Экспертами» в модели называют отдельные подсети, каждая из которых «учится» обрабатывать определенные типы данных. Один «эксперт» может хорошо разбираться в программировании, другой — в биологии, третий — в написании деловых писем.
Серажим отметила, что MoE позволяет задействовать только часть модели для генерации каждого следующего токена, что ускоряет работу и повышает эффективность.
«В Поиске модель должна одновременно работать с большим объемом данных и укладываться в жесткие ограничения по скорости и стоимости на каждом запросе. Нам удалось модифицировать архитектуру, добавив слои MoE. В совокупности все улучшения, включая создание гибридной архитектуры, позволили нам повысить качество и совокупно снизить стоимость инференса в три раза. В результате покрытие ИИ-ответами в Поиске (доля запросов, на которые Поиск сразу даёт генеративный ответ) выросло за год в 1,5 раза», — подытожила она. Инференсом в данном контексте называют процесс работы нейросети над генеративным ответом пользователю, задающему вопрос в поисковике.
Внедрение компанией сочетания архитектур MoE и «энкодер-декодер» из научных исследований в промышленный поиск показывает, как такие разработки переходят в практическое применение — уже с учетом жестких требований к скорости, стабильности и стоимости инфраструктуры.
Яндекс внедрил в Поиск гибридную ИИ‑архитектуру, созданную на базе научных исследований
В последнее время мировые поисковые системы уделяют все больше внимания прямым ответам на запросы. То есть когда человек вбивает что-то в поиск, кроме выдачи ссылок, он получает в самом верху ответ, который нейросеть генерирует «на лету», в виде связного текста. «Генеративные ответы — важная часть пользовательского опыта. Такие ответы должны соответствовать требованиям «Поиска»: быть быстрыми, лаконичными и эффективно работать на большом потоке запросов», — отметила Екатерина Серажим.
Для решения довольно непростой задачи компания развивает отдельный набор моделей — Alice AI Search, оптимизированный под задачи поиска. «За последний год мы внедрили улучшения во всех частях технологии — от обучения претрейн-моделей до оптимизации инфраструктуры», — добавила она.
По ее словам, для таких моделей требуется и особая архитектура, так как в «Поиске» им приходится почти мгновенно анализировать большой объем информации из веб-документов. Это отличается от стандартного подхода нейросетей к генерации ответов. Поэтому важно использовать решения, которые обеспечивают высокое качество выдачи при ограниченных вычислительных ресурсах.
Технический директор пояснила, что в экспериментах компании архитектура «энкодер-декодер» — где одна часть модели анализирует запрос и документы, а другая формирует ответ — при работе с большим объемом данных показала результаты лучше классических языковых моделей. Чтобы ускорение работы модели шло без потери качества, компания использовала подход Mixture of Experts (MoE).
Это принятая в индустрии архитектура, которая позволяет значительно увеличить количество параметров модели (очень условно — ее «знания»), не увеличивая при этом вычислительные затраты на каждый отдельный запрос.
Если обычная нейросетевая модель при каждом слове активирует все свои нейроны («плотная» модель), то MoE-модель активирует только малую часть своих мощностей («разреженная» модель). «Экспертами» в модели называют отдельные подсети, каждая из которых «учится» обрабатывать определенные типы данных. Один «эксперт» может хорошо разбираться в программировании, другой — в биологии, третий — в написании деловых писем.
Серажим отметила, что MoE позволяет задействовать только часть модели для генерации каждого следующего токена, что ускоряет работу и повышает эффективность.
«В «Поиске» модель должна одновременно работать с большим объемом данных и укладываться в жесткие ограничения по скорости и стоимости на каждом запросе. Нам удалось модифицировать архитектуру, добавив слои MoE. В совокупности все улучшения, включая создание гибридной архитектуры, позволили нам повысить качество и совокупно снизить стоимость инференса в три раза. В результате покрытие ИИ-ответами в Поиске (доля запросов, на которые Поиск сразу даёт генеративный ответ) выросло за год в 1,5 раза», — подытожила она. Инференсом в данном контексте называют процесс работы нейросети над генеративным ответом пользователю, задающему вопрос в поисковике.
Внедрение компанией сочетания архитектур MoE и «энкодер-декодер» из научных исследований в промышленный поиск показывает, как такие разработки переходят в практическое применение — уже с учетом жестких требований к скорости, стабильности и стоимости инфраструктуры.
Яндекс внедрил в Поиск гибридную ИИ‑архитектуру, созданную на базе научных исследований
Олдувайское ущелье в Танзании считается колыбелью человечества. Именно там в прошлом веке нашли останки древних предков человека и примитивные каменные орудия. Долгое время антропологи вели споры: насколько важную роль в жизни древних людей играла охота на крупных животных? До сих пор считалось, что ранние гоминины, жившие до двух миллионов лет назад, были в основном падальщиками и собирателями. Случайно найденную тушу слона или бегемота они могли обглодать, но это было редкой удачей, а не продуманной стратегией.
К тому же самые древние следы такой разделки были либо очень спорными, либо разрозненными. Например, более старая находка слона возрастом ровно 1,8 миллиона лет на той же территории не дала ученым однозначных доказательств: царапины на костях могли быть оставлены не каменными орудиями, а случайным растаптыванием или зубами хищников.
Авторы исследования, опубликованного в журнале eLife, изучили породы возрастом около 1,78 миллиона лет на территории Олдувайского ущелья. Они нашли останки молодого слона Elephas recki: тазовые кости, задние ноги, ребра, фрагменты черепа и бивни. Рядом с ними лежало 80 каменных орудий — в основном острые отщепы и их фрагменты.
Тем не менее сама стоянка не сохранилась в первозданном виде. Тысячи лет назад там произошел небольшой оползень, который сместил все находки примерно на 12 метров вниз по склону. Это вызвало скепсис в отношении связи остатков слона и предметов его разделки. В ответ на это авторы исследования смоделировали изначальное распределение предметов и доказали, что даже с учетом смещения кости и камни были частью одного скопления. Иными словами, оползень просто передвинул уже существовавшую стоянку, но не создал ее искусственно.
На самих костях не выявили классических следов от каменных ножей, что случается, когда мясо срезают полностью. Зато ученые обнаружили так называемые зеленые переломы: это означает, что толстые кости ног слона разбили, пока они были свежими, чтобы извлечь костный мозг. Кроме того, на одном из фрагментов бедренной кости заметили следы заточки и полировки. Ученые предполагают, что это древнейшее костяное орудие, которое, возможно, использовали как наконечник или нож.
[shesht-info-block number=1]
Изучив этот памятник, а также сравнив его с данными соседних стоянок, специалисты сделали вывод, что начиная именно с рубежа 1,8 миллиона лет назад стоянки людей становятся намного больше по площади, а количество каменных орудий на них исчисляется тысячами. Археологи связывают это с появлением нового вида человека — Homo erectus (человек прямоходящий).
У этого вида был крупнее мозг и больше размеры тела, что требовало более калорийной пищи. Этим же можно объяснить тягу к костному мозгу и тоннам мяса, добытым из слона. Кроме того, именно тогда появилась ашельская культура обработки камня с ее массивными ручными рубилами. Таким образом, сделали вывод авторы научной работы, в указанный период началась систематическая охота древних людей на крупную дичь.
Ученые нашли свидетельства древнейшей разделки слонов человеком
Массивные звезды заканчивают жизнь по-разному. Когда у такой звезды иссякает термоядерное топливо, ее ядро может коллапсировать, что приводит к взрыву сверхновой. Иногда в результате коллапса образуется черная дыра: в таком случае вдоль оси вращения умирающей звезды возникают узкие релятивистские джеты — струи вещества и излучения, движущиеся почти со скоростью света. Речь идет о гамма-всплеске — одном из самых мощных процессов во Вселенной. За несколько секунд гамма-всплеск может выделить энергии больше, чем Солнце за всю жизнь.
Несмотря на десятилетия наблюдений, ученые до сих пор не до конца понимают, как формируются такие струи и почему они отличаются друг от друга (по длительности, происхождению, спектру). Непонятно, как именно работает механизм выброса и как свойства звезды влияют на струю.
В 1990-х физики выдвинули гипотезу, объясняющую, как может появляться один из таких джетов. В стандартной модели струя представлена релятивистским джетом, который излучает в гамма‑диапазоне. Но если в эту струю попадет материя звезды — протоны и нейтроны, — они должны затормозить поток. При таком «загрязнении» джет движется медленнее, а его спектр смещается в сторону более мягкого рентгеновского излучения. Процесс назвали «грязным взрывом». Однако до сих пор ученым не хватало данных, чтобы проверить эту гипотезу.
[shesht-info-block number=1]
Международная группа астрономов под руководством Сян-Юй Ванга (Xiang-Yu Wang) из Нанкинского университета проанализировала данные, полученные космическим телескопом «Эйнштейн», и обнаружила в них странную вспышку рентгеновского излучения, которую связала с «грязным взрывом». Событие получило название EP241113a.
Предположительно, сигнал связан с далекой галактикой с активным звездообразованием, красное смещение которой оценивается примерно как z ≈ 1,53. Если оценка подтвердится, это будет означать, что свет от нее шел к Земле почти девять миллиардов лет.
Ванг отметил, что по своей энергии событие сопоставимо с энергией гамма-всплеска, но спектр излучения пришелся на рентгеновский диапазон, что сразу привлекло внимание исследователей. После начального всплеска излучение ослабло и превратилось в «свечение», которое длилось несколько часов. Затем оно постепенно угасло. Событие похоже на обычный гамма-всплеск, но главное отличие заключается в типе излучения — вместо гамма-лучей наблюдались рентгеновские.
[shesht-info-block number=2]
По словам ученых, хотя астрономам известны тысячи гамма-всплесков, источник этой вспышки, скорее всего, устроен иначе. Вероятно, он связан с коллапсом массивного светила, либо это нейтронная звезда. В любом случае струя взаимодействует с этим объектом особым, пока неясным образом. Если источник — черная дыра, то у исследователей появится шанс составить более полную картину образования черных дыр по всей Вселенной.
Однако утверждать со стопроцентной вероятностью, что это действительно «грязный взрыв», рано. Сперва нужно подтвердить, что вспышка произошла именно в этой далекой галактике, подчеркнули Ван и его коллеги. Если данные подтвердятся, это станет свидетельством ранее неизвестных процессов, происходящих в самых далеких уголках Вселенной, и позволит лучше понять механизм гибели массивных звезд.
Выводы исследователей представлены на сайте препринтов arXiv.
Астрономы зафиксировали возможный первый «грязный взрыв»
Почти все процессы в клетке зависят от взаимодействия белков внутри нее. С их помощью клетка передает сигналы, запускает и регулирует химические реакции, образует молекулярные комплексы, необходимые для ее работы. И если такие взаимодействия нарушаются и клетка работает неправильно, это может приводить к заболеваниям.
Поэтому для изучения механизма болезней и поиска мишеней для лечения ученым важно понимать, какие белки могут взаимодействовать друг с другом, а какие нет. Выяснять это экспериментально трудно: если в исследовании рассматриваются десятки или сотни белков, число возможных пар оказывается слишком большим для проверки. Из-за этого биологи используют методы машинного обучения, предсказывающие такие связи по структуре и свойствам молекул.
Исследователи НИУ ВШЭ разработали систему GSMFormer-PPI, которая учитывает три типа данных о каждом из белков в предполагаемой паре: аминокислотную последовательность, трехмерную структуру и свойства молекулярной поверхности. Для их обработки авторы использовали существующие модели, которые переводят эти данные в числовые представления. Аминокислотную последовательность — порядок цепочки аминокислот, из которой построен белок, — анализирует белковая языковая модель. Трехмерная структура белка представляется как граф, где аминокислоты становятся вершинами, а их пространственные контакты — связями. Такое описание обрабатывает графовая нейронная сеть. Также с помощью отдельного алгоритма учитывались свойства поверхности белка — форма и физико-химические характеристики участков, через которые белки распознают друг друга. Работа опубликована в журнале Scientific Reports.
Затем эти числовые представления о белках поступали в разработанный авторами трансформерный модуль — нейросеть, которая совместно анализирует разные типы данных о белке. Если в работах других исследователей признаки часто просто объединялись в один вектор, то здесь модель не складывает их механически, а выявляет связи между ними.
«При взаимодействии белков особенно важна их поверхность: именно через нее молекулы распознают друг друга и на ней сосредоточены физико-химические свойства, от которых зависит связывание. В нашей модели мы попытались учесть эту информацию вместе с последовательностью и трехмерной структурой белка, а затем не просто объединить признаки, а дать алгоритму возможность анализировать связи между ними. Именно это и позволило точнее предсказывать белок-белковые взаимодействия», — комментирует один из авторов статьи, директор Центра биомедицинских исследований и технологий Института ИИиЦН ФКН НИУ ВШЭ Мария Попцова.
Чтобы проверить, насколько хорошо работает новая модель, исследователи протестировали ее на наборе данных PINDER — крупной базе известных белковых взаимодействий. В экспериментах GSMFormer-PPI показала точность 95,7% и превзошла популярные графовые модели, например GCN и GAT. Также исследователи провели тест с более простым вариантом GSMFormer-PPI — без модуля, который анализирует связи между разными типами данных. Эта версия работала хуже, что доказывает: дело не только в самих данных о белке, но и в том, как именно модель их сопоставляет.
Дополнительные тесты показали, что для точного прогноза важны все три типа данных: последовательность, пространственная структура и свойства поверхности белка. Когда исследователи поочередно убирали один из компонентов, качество предсказания снижалось. Иными словами, модель работает лучше именно потому, что рассматривает белок сразу на нескольких уровнях. В перспективе такие системы могут помочь быстрее отбирать пары белков при изучении механизмов болезней и поиске мишеней для лекарств.
Нейросеть научили с точностью до 95% предсказывать взаимодействия белков в клетке, важные для изучения болезней
Абстрактное восприятие ритма — это способность узнавать временной паттерн (мелодию), даже если он воспроизводится в другом темпе. До сих пор этот навык считался фундаментом человеческой речи и музыки, а среди животных достоверно встречался лишь у видов, способных к вокальному обучению, например у певчих птиц. Ученые полагали, что для чувства ритма нужны специализированные нейронные связи между слухом и моторикой. Голуби и крысы с подобными тестами не справлялись, поэтому исследователи решили проверить когнитивные границы насекомых.
Авторы исследования, опубликованного в журнале Science, создали искусственный «луг» с шестью электронными «цветками», оборудованными микроконтроллерами и светодиодами. Цветки непрерывно мигали в двух разных сложных ритмах. В центре цветков с правильным ритмом была капля сладкого сиропа. Другой ритм сигнализировал о наличии горького раствора хинина, нелюбимого шмелями. Ученые уравняли паттерны: суммарная продолжительность свечения и длительность пауз в обоих вариантах абсолютно совпадали. Шмели не могли ориентироваться на общую освещенность или простые визуальные подсказки — им приходилось запоминать саму структуру ритма.
В следующих тестах насекомым усложнили задачу: выученный ритм начали воспроизводить в новых, незнакомых темпах — быстрее или медленнее. В финальном эксперименте шмелей поодиночке запускали в Т-образный лабиринт, где свет заменили вибрацией. В лабиринте насекомые запомнили сложные ритмичные вибрации поверхности и успешно находили еду. После удачного обучения биологи отключали вибрацию и запускали визуальный тест, где тот же самый ритм подавался уже в виде вспышек света.
Во всех испытаниях шмели уверенно выбирали правильные кормушки. Они успешно распознавали абстрактный ритм как при изменении темпа, так и при переносе с осязания на зрение. Перед тем как принять решение, насекомые вели себя как внимательные слушатели: не садились сразу, а зависали над цветком. Если шмель находился в воздухе примерно 1,2 секунды — время, равное одному полному циклу ритмического рисунка, — вероятность безошибочного выбора достигала 85-100%.
Результаты исследования показали, что для восприятия абстрактного времени не требуются эволюционные инновации певчих видов. Умение считывать сложные ритмические паттерны может развиться даже в шмелином мозге размером с кунжутное зернышко. Авторы научной работы предположили, что у насекомых эта способность возникла из необходимости анализировать оптический поток — ритмичное мелькание света и тени, которое мозг шмеля обрабатывает для навигации и контроля скорости во время полета.
Расположенные вне центров галактик ультрамощные рентгеновские источники (ULX) излучают настолько интенсивно, что их светимость превышает предел Эддингтона для нейтронной звезды, при котором давление излучения должно раскрывать падающее вещество и останавливать аккрецию. Предполагалось, что такие источники содержат черные дыры.
Однако открытие рентгеновских пульсаций в последние годы показало, что по крайней мере часть ULX представляют собой обычные по массе нейтронные звезды, на которые вещество падает в экстремальном режиме сверхэддингтоновской аккреции.
Но что именно позволяет нейтронной звезде выдерживать такой поток вещества? Одно из возможных объяснений — чрезвычайно сильные магнитные поля, сравнимые с полями самых магнитных объектов во Вселенной — магнетаров. Правда, прямых спектральных доказательств их существования практически не было.
[shesht-info-block number=1]
Изучив источник NGC 4656 ULX-1 с помощью Европейской рентгеновской обсерватории XMM-Newton, астрономы обнаружили в его спектре узкую линию поглощения. Это важно, поскольку они возникают, когда частицы движутся в сильном магнитном поле и начинают поглощать фотоны на строго определенном уровне энергии. Исследователи называют такое явление циклотронным резонансом.
Результаты научной работы, представленной в журнале Astronomy and Astrophysics, показали, что линия устойчива к изменениям модели спектра и сохраняет статистическую значимость порядка трех сигм даже при различных способах обработки данных. Открытие снижает вероятность того, что сигнал — артефакт наблюдений или особенность приборов.
Эта линия могла бы возникнуть из-за поглощения сильно ионизированными атомами в быстром звездном ветре, однако в таком случае в спектре должны были появиться и другие переходы, однако их не наблюдалось. Поэтому исследователи заключили, что более естественным объяснением может быть циклотронная линия излучения протонов. Дело в том, что такие линии появляются при гораздо более сильных магнитных полях: из-за большой массы протона энергия линии оказывается в рентгеновском диапазоне всего в несколько килоэлектронвольт.
[shesht-info-block number=2]
Если выводы верны, измеренная линия в области ее формирования соответствует магнетару. При этом речь может идти не о глобальном дипольном поле светила, а о более сложной мультиполярной структуре, сосредоточенной близко к поверхности. Именно такой сценарий чаще всего обсуждается для ULX-систем.
Окончательные выводы делать пока рано: они требуют более глубоких наблюдений, в том числе с будущими рентгеновскими миссиями. Однако уже сейчас результат поддерживает картину, согласно которой по крайней мере часть источников ULX, судя по всему, скрывает нейтронные звезды с магнитными полями вблизи поверхности.
В случае, если результаты работы получат подтверждение, такие источники перестанут быть просто слишком яркими и станут естественными лабораториями экстремальной физики, где одновременно проверяются модели аккреции, магнитных полей.
Нейтронная звезда нарушила предел Эддингтона и показала как