Xung sóng vô tuyến nhanh (FRB) là một loại xung sóng vô tuyến cực mạnh có độ sáng tức thời gấp hàng trăm triệu lần so với mặt trời, là chủ đề nghiên cứu thiên văn nóng hổi trong những năm gần đây, giống như sóng hấp dẫn. Chúng có thể giải phóng năng lượng cực lớn trong thời gian nhanh hơn tốc độ chớp mắt của bạn gấp trăm lần.
Sơ đồ các vụ nổ vô tuyến nhanh ▏ Nguồn: Danielle Futselaar
Vụ nổ bí ẩn chưa từng có này đến từ thiên thể nào? Chúng xuất hiện trong điều kiện khắc nghiệt nào? Điều này đã thu hút sự quan tâm của nhiều nhà thiên văn học. Sau hơn mười năm nghiên cứu, các nhà khoa học đã có những đột phá quan sát đáng kể và mang lại nhiều điều bất ngờ. Tuy nhiên, nguồn gốc và cơ chế phát nổ của các vụ nổ vô tuyến nhanh vẫn là bí ẩn chưa có lời giải và cần được làm sáng tỏ ngay lập tức.
"Điều tra dân số"
Có nhiều cách để nghiên cứu các xung vô tuyến nhanh, nhưng trước tiên bạn phải tìm ra chúng, càng nhiều càng tốt! Các vụ nổ vô tuyến nhanh nhanh hơn hàng trăm lần so với chớp mắt, do đó, việc quan sát với độ phân giải thời gian cao là rất quan trọng. Kính viễn vọng vô tuyến Parkes 64 mét của Úc đã có những đóng góp to lớn. Ưu điểm của nó nằm ở khả năng khảo sát đa chùm tia có độ phân giải cao liên tục trong 25 năm. Vụ nổ vô tuyến nhanh đầu tiên trên thế giới được Parkes phát hiện vào năm 2007.
Kính viễn vọng Parkes nhìn ra▏Nguồn hình ảnh: aussietowns.com
Nhưng chỉ quan sát thôi thì chưa đủ. Vì các vụ nổ vô tuyến nhanh ở rất xa nên cường độ tín hiệu chúng truyền đến Trái Đất yếu hơn nhiều so với bức xạ từ tai nghe Bluetooth. Rất khó để phân biệt chúng giữa tiếng ồn của nhạc cụ và nhiễu điện từ do con người tạo ra. Đây cũng là lý do tại sao các quan sát vô tuyến vẫn tiếp tục trong nhiều năm, cho đến khi vụ nổ vô tuyến nhanh đầu tiên được phát hiện vào năm 2007.
Vậy có bất kỳ vụ nổ vô tuyến nhanh nào chưa được phát hiện trong dữ liệu lịch sử của Parkes không?
Một nhóm nghiên cứu chung do các nhà nghiên cứu từ Đài quan sát Purple Mountain đứng đầu đã quyết định "kiểm tra sổ hộ khẩu" của những dữ liệu lịch sử này. Làm việc chăm chỉ sẽ được đền đáp. Đúng như dự đoán, hai vụ nổ vô tuyến nhanh mới đã được tìm thấy trong dữ liệu của Parkes từ năm 1997 đến năm 2001, được coi là một chiến thắng ban đầu thành công. Nhưng còn 560 triệu tín hiệu đáng kinh ngạc được nghi ngờ sau đó thì sao?
Trong số những tín hiệu đáng ngờ này, có rất nhiều tiếng ồn và tín hiệu nhân tạo. Những vụ nổ vô tuyến nhanh thực sự sáng hơn này được chọn đầu tiên vì có độ tin cậy cao. Nhưng tín hiệu còn lại chỉ có thể được các nhà thiên văn học giàu kinh nghiệm xác định bằng mắt thường bằng các phương pháp truyền thống. Ngay cả khi chúng ta có thể xem 30.000 hình ảnh mỗi ngày, thì cũng phải mất 50 năm làm việc không ngừng nghỉ để xem xét hết 560 triệu tín hiệu nghi ngờ, đây rõ ràng là một nhiệm vụ bất khả thi!
Các tín hiệu nhân tạo (trên) và các vụ nổ vô tuyến nhanh (dưới) xuất hiện dưới dạng các vệt sáng tương tự trên biểu đồ tần số thời gian. ▏Nguồn hình ảnh: Tác giả/đầu trang; Thiên nhiên/đáy
Thách thức dữ liệu lớn của thiên văn học
Những vấn đề khó hiểu như vậy không phải là hiếm trong thiên văn học. Với sự tiến bộ của công nghệ quan sát, thiên văn học hiện đại phải đối mặt với thách thức về cách xử lý dữ liệu lớn.
Độ chính xác của các ghi chép của Parkes vào năm 1997 vẫn còn rất thấp, nhưng dữ liệu quan sát hàng ngày vẫn vào khoảng 10GB. Ngày nay, các kính viễn vọng vô tuyến tiên tiến như Sky Eye (FAST) của Trung Quốc có thể tạo ra dữ liệu ở mức TB trong một giờ, đòi hỏi các máy chủ hiệu suất cao để lưu trữ và xử lý dữ liệu. Trong tương lai, khi Định luật Moore không còn đúng nữa, đây có vẻ là trò chơi mà các nhà thiên văn học chắc chắn sẽ thua.
Cần có máy chủ lớn để xử lý dữ liệu thiên văn. Nguồn hình ảnh: must.edu.mo
Loại bỏ cặn bã và giữ lại tinh chất
Tuy nhiên, không phải dữ liệu nào cũng có giá trị. Trước những thách thức về dữ liệu lớn, chúng ta cần xây dựng một bộ phương pháp để sàng lọc và ghi lại dữ liệu thực sự có giá trị.
Bước đầu tiên là thiết lập một cơ sở dữ liệu xung đơn dựa trên 560 triệu tín hiệu nghi ngờ, bao gồm thông tin như thời gian đến và các thông số quan sát, để cung cấp cơ sở cho các quan sát, so sánh và nghiên cứu trong tương lai.
Cơ sở dữ liệu này giống như một mỏ vàng đang chờ được khai thác và phương pháp phân tích dữ liệu đang rất cần thiết để trích xuất "vàng thực sự" từ đó.
Học máy
Đứng ở điểm khởi đầu mới này của cơ sở dữ liệu xung đơn Parkes, bước tiếp theo là giới thiệu máy học, một phương pháp triển khai trí tuệ nhân tạo (AI) đã phát triển nhanh chóng trong những năm gần đây.
Ngày nay, nhận dạng khuôn mặt thường được sử dụng trong cuộc sống hàng ngày, sử dụng phương pháp học máy. Công việc của các nhà thiên văn học tương đương với việc đào tạo một cỗ máy có thể phân biệt được một vài con mèo trong một nhóm hơn 500 triệu con chó, ngoại trừ việc các vụ nổ vô tuyến nhanh khó hơn mèo và chó về mặt hình thái và việc thu thập các mẫu đào tạo.
Những câu chuyện cười về trí tuệ nhân tạo ▏Nguồn: hornydragon.blogspot.com
Các nhà nghiên cứu đã sử dụng một thuật toán nhận dạng hình ảnh gọi là mạng nơ-ron dư thừa để giảm kích thước hình ảnh bằng cách giảm tốc độ lấy mẫu hình ảnh và đồng thời giảm đáng kể số lượng hình ảnh cần kiểm tra bằng cách sàng lọc thời gian đến và độ phân tán của các tín hiệu nghi ngờ. Cuối cùng, bằng cách sử dụng mô hình đã được đào tạo, 81 ứng cử viên xung vô tuyến nhanh mới đã được tìm thấy từ cơ sở dữ liệu.
81 ứng cử viên này có nhiều đặc điểm tương tự như các FRB trước đây. Ví dụ, chúng có năng lượng và độ phân bố độ rộng xung tương tự nhau, điều này ủng hộ mạnh mẽ tính xác thực của chúng.
Đồng thời, các mẫu ứng viên mới được phát hiện có tỷ lệ cao hơn ở mức năng lượng thấp so với các mẫu xung vô tuyến nhanh hiện có. Điều này có nghĩa là các phương pháp tìm kiếm trước đây có thể đã bỏ lỡ một số lượng lớn các sự kiện năng lượng thấp, nhắc nhở mọi người chú ý hơn đến việc tìm kiếm các tín hiệu có tỷ lệ tín hiệu trên nhiễu thấp.
So sánh 81 ứng cử viên mới với các vụ nổ vô tuyến nhanh trước đó ▏ Nguồn hình ảnh: Tác giả
Chuỗi công trình này đã nỗ lực giải quyết những thách thức về dữ liệu lớn trong lĩnh vực nguồn nhiễu động thiên văn, đồng thời cung cấp giải pháp thu thập dữ liệu có giá trị một cách hiệu quả cho Mảng Kilômét vuông (SKA) đang được xây dựng. Trong tương lai, cả FAST và SKA đều sẽ đạt được độ nhạy cao hơn và mang lại lượng dữ liệu đáng kinh ngạc hơn. Họ đặt ra yêu cầu cực kỳ cao về việc sàng lọc tín hiệu. Nhóm nghiên cứu chung, do các nhà nghiên cứu từ Đài quan sát Purple Mountain dẫn đầu, có kế hoạch tiếp tục phát triển các quy trình xử lý dữ liệu nguồn tạm thời có thể áp dụng cho các thiết bị tiên tiến này để khám phá thêm nhiều tín hiệu có giá trị.
Sơ đồ khái niệm SKA ▏ Nguồn: Wikipedia
Tài liệu tham khảo:
[1] 81 Ứng cử viên mới cho bản tin phát thanh nhanh trong Kho lưu trữ Parkes. Yang và cộng sự 2021, MNRAS stab2275
[2] Sự kiện thoáng qua Parkes. I. Cơ sở dữ liệu về các xung đơn, kết quả ban đầu và các xung vô tuyến nhanh bị thiếu. Zhang và cộng sự 2020, APJS 249 14
Về tác giả
Đường Chấn Phàm
Nghiên cứu sinh tiến sĩ tại Nhóm thiên văn học miền thời gian năng lượng cao của Đài quan sát Tử Kim Sơn, Viện Hàn lâm Khoa học Trung Quốc. Hướng nghiên cứu: quan sát và xử lý dữ liệu các nguồn sóng vô tuyến thoáng qua.
Trương Tùng Ba
Nghiên cứu sinh sau tiến sĩ tại Trung tâm nghiên cứu thiên văn chung Trung Quốc-Úc (ACAMAR). Các lĩnh vực nghiên cứu: quan sát các xung vô tuyến, xử lý dữ liệu và nghiên cứu lý thuyết.
Tổng biên tập luân phiên: Du Fujun
Biên tập: Vương Khắc Siêu
