ReadyPlanet.com


แม่เหล็ก 'หัวล้าน' ของหลุมดำช่วยประหยัดการทำนายสัมพัทธภาพทั่วไป


สล็อตออนไลน์ 918kissหลุมดำไม่ใช่สิ่งที่พวกเขากิน ทฤษฎีสัมพัทธภาพทั่วไปของไอน์สไตน์ทำนายว่าไม่ว่าหลุมดำจะกินอะไรก็ตาม คุณสมบัติภายนอกของมันจะขึ้นอยู่กับมวล การหมุน และประจุไฟฟ้าเท่านั้น รายละเอียดอื่น ๆ ทั้งหมดเกี่ยวกับอาหารของมันจะหายไป นักดาราศาสตร์ฟิสิกส์เรียกสิ่งนี้ว่าการคาดเดาที่ไม่มีผมอย่างกระทันหัน (หลุมดำพวกเขาพูดว่า "ไม่มีผม")

มีภัยคุกคามที่อาจเกิดขึ้นจากการคาดเดา หลุมดำสามารถเกิดมาพร้อมกับสนามแม่เหล็กแรงสูงหรือได้มาจากการเคี้ยวบนวัสดุที่เป็นแม่เหล็ก ฟิลด์ดังกล่าวจะต้องหายไปอย่างรวดเร็วเพื่อให้การคาดเดาที่ไม่มีขน แต่หลุมดำที่แท้จริงไม่มีอยู่อย่างโดดเดี่ยว พวกมันสามารถถูกล้อมรอบด้วยพลาสมา - แก๊สที่มีพลังงานมากจนอิเล็กตรอนแยกออกจากอะตอมของพวกมัน - ซึ่งสามารถรักษาสนามแม่เหล็กไว้ได้ซึ่งอาจพิสูจน์การคาดเดาได้

นักวิจัยจาก Center for Computational Astrophysics (CCA) ของ Flatiron Institute ในนิวยอร์กซิตี้ มหาวิทยาลัยโคลัมเบีย และมหาวิทยาลัยพรินซ์ตันโดยใช้การจำลองซูเปอร์คอมพิวเตอร์ของหลุมดำที่ปกคลุมไปด้วยพลาสมา พบว่าการคาดเดาที่ไม่มีขนเกิดขึ้น ทีมงานรายงานผลการวิจัยเมื่อวันที่ 27 กรกฎาคมในทางกายภาพจดหมายรีวิว

"การคาดเดาที่ไม่มีขนเป็นรากฐานที่สำคัญของสัมพัทธภาพทั่วไป" Bart Ripperda ผู้ร่วมวิจัยด้านการศึกษาของ CCA และเพื่อนดุษฎีบัณฑิตที่ Princeton กล่าว "ถ้าหลุมดำมีสนามแม่เหล็กอายุยืนยาว การคาดเดาที่ไม่มีขนก็ถูกละเมิด โชคดีที่วิธีแก้ปัญหามาจากฟิสิกส์ของพลาสมาที่ช่วยไม่ให้การคาดเดาที่ไม่มีขนแตก"

การจำลองของทีมแสดงให้เห็นว่าเส้นสนามแม่เหล็กรอบ ๆ หลุมดำแตกและเชื่อมต่อใหม่อย่างรวดเร็ว ทำให้เกิดกระเป๋าที่เต็มไปด้วยพลาสมาที่ปล่อยออกสู่อวกาศหรือตกลงไปในกระเพาะของหลุมดำ กระบวนการนี้ทำให้สนามแม่เหล็กระบายออกอย่างรวดเร็ว และสามารถอธิบายแสงแฟลร์ที่พบใกล้หลุมดำมวลมหาศาลได้ นักวิจัยรายงาน

"นักทฤษฎีไม่ได้คิดเรื่องนี้เพราะพวกเขามักจะใส่หลุมดำในสุญญากาศ" Ripperda กล่าว "แต่ในชีวิตจริง มักมีพลาสมา และพลาสมาสามารถคงตัวและนำเข้าสนามแม่เหล็ก และนั่นต้องสอดคล้องกับการคาดเดาที่ไม่มีขนของคุณ"

Ripperda ร่วมเขียนการศึกษากับ Ashley Bransgrove นักศึกษาระดับบัณฑิตศึกษาจาก Columbia และนักวิทยาศาสตร์ด้านการวิจัยของ CCA Sasha Philippov ซึ่งเป็นนักวิชาการด้านการวิจัยที่ Princeton ด้วย

การศึกษาเกี่ยวกับปัญหาในปี 2554 ชี้ให้เห็นว่าการคาดเดาที่ไม่มีผมมีปัญหา อย่างไรก็ตาม การศึกษานั้นพิจารณาเฉพาะระบบเหล่านี้ที่ความละเอียดต่ำเท่านั้น และถือว่าพลาสมาเป็นของเหลว อย่างไรก็ตาม พลาสมารอบๆ หลุมดำนั้นเจือจางมากจนอนุภาคแทบไม่ไหลเข้าหากัน ดังนั้น การปฏิบัติต่อหลุมดำในลักษณะของไหลจึงเป็นการทำให้เข้าใจง่ายเกินไป

ในการศึกษาครั้งใหม่นี้ นักวิจัยได้ทำการจำลองฟิสิกส์พลาสมาที่มีความละเอียดสูงด้วยแบบจำลองสนามแม่เหล็กของหลุมดำที่มีสัมพัทธภาพทั่วไป โดยรวมแล้ว CPU ใช้เวลา 10 ล้านชั่วโมงในการคำนวณทั้งหมด "เราไม่สามารถทำแบบจำลองเหล่านี้ได้หากไม่มีทรัพยากรการคำนวณของ Flatiron Institute" Ripperda กล่าว

การจำลองที่ได้แสดงให้เห็นว่าสนามแม่เหล็กรอบหลุมดำมีวิวัฒนาการอย่างไร ในตอนแรก สนามจะขยายเป็นแนวโค้งจากขั้วเหนือของหลุมดำไปยังขั้วใต้ของหลุมดำ จากนั้นปฏิกิริยาภายในพลาสมาจะทำให้สนามพองตัวออกไปด้านนอก การเปิดออกนี้ทำให้สนามแยกออกเป็นเส้นสนามแม่เหล็กแต่ละเส้นที่แผ่ออกมาจากหลุมดำ

เส้นฟิลด์สลับไปในทิศทาง ไม่ว่าจะไปทางหรือออกจากขอบฟ้าเหตุการณ์ เส้นสนามแม่เหล็กที่อยู่ใกล้เคียงเชื่อมต่อกัน สร้างรูปแบบการถักของเส้นสนามที่มารวมกันและแยกออกจากกัน ระหว่างจุดเชื่อมต่อสองจุดดังกล่าว มีช่องว่างที่เติมพลาสมา พลาสมาได้รับพลังงานจากสนามแม่เหล็ก พุ่งออกไปสู่อวกาศหรือเข้าสู่หลุมดำ เมื่อกระบวนการดำเนินต่อไป สนามแม่เหล็กจะสูญเสียพลังงานและเหี่ยวแห้งไปในที่สุด

ที่สำคัญกระบวนการนี้เกิดขึ้นอย่างรวดเร็ว นักวิจัยพบว่าหลุมดำทำให้สนามแม่เหล็กหมดลงในอัตรา 10 เปอร์เซ็นต์ของความเร็วแสง "การเชื่อมต่อใหม่อย่างรวดเร็วช่วยให้การคาดเดาที่ไม่มีขน" Ripperda กล่าว

นักวิจัยเสนอว่ากลไกที่ส่งพลังงานให้กับเปลวไฟที่สังเกตได้จากหลุมดำมวลมหาศาลที่ใจกลางดาราจักร Messier 87 สามารถอธิบายได้ด้วยกระบวนการหัวล้านที่เห็นในการจำลอง การเปรียบเทียบในขั้นต้นระหว่างพวกเขาดูมีแนวโน้มที่ดี แม้ว่าจำเป็นต้องมีการประเมินที่แข็งแกร่งกว่านี้ หากพวกมันเข้าแถวกันจริงๆ เปลวเพลิงที่มีพลังซึ่งขับเคลื่อนโดยการเชื่อมต่อใหม่ด้วยแม่เหล็กที่ขอบฟ้าเหตุการณ์หลุมดำอาจเป็นปรากฏการณ์ที่แพร่หลายสล็อตออนไลน์ 918kiss



ผู้ตั้งกระทู้ Rimuru Tempest :: วันที่ลงประกาศ 2021-10-20 14:02:22


แสดงความคิดเห็น
ความคิดเห็น *
ผู้แสดงความคิดเห็น  *
อีเมล 
ไม่ต้องการให้แสดงอีเมล



Copyright © 2017 All Rights Reserved.