Das wahre Alter von Sternen enthüllen
Moderne Modelle der Sternentwicklung beruhen auf der Kenntnis der Heliumhäufigkeit – einem entscheidenden, aber schwer eingrenzbaren Faktor. Als zweithäufigstes Element im Universum bestimmt Helium die innere Zusammensetzung, die Temperatur, die Leuchtkraft und letztlich die Lebensdauer eines Sterns. Da der Heliumgehalt eines Sterns bekanntermaßen extrem schwierig zu messen ist, basieren traditionelle Modelle eher auf Schätzungen oder Annahmen, anstatt ihn anhand von Beobachtungen zu bestimmen. Daraus resultierten systematische Unsicherheiten in unseren kosmischen Karten. Das zentrale Ziel des ERC-finanzierten Projekts CartographY lautete, über blinde Annahmen hinauszugehen und Sternprofile nicht nur präziser, sondern auch wirklich vertrauenswürdig auszuarbeiten.
Vermutungen gegen „ehrliche“ Daten tauschen
„Eine Hauptaktivität des Projekts war die Kartierung und Messung des interstellaren Heliums mithilfe von Asteroseismologie, der Untersuchung von Schwingungen der Sterne“, berichtet Projektkoordinator Guy Davies. „Durch die Kombination hochwertiger asteroseismischer Daten mit Spektroskopie und Astrometrie konnten wir die Schwachstelle überwinden, uns auf einen einzigen, festgelegten Satz von Annahmen stützen zu müssen.“ Anhand der Verknüpfung dieser Daten leitete das Team stellare Eigenschaften wie Masse, Radius, Alter und Heliumgehalt ab und quantifizierte gleichzeitig die Unsicherheit dieser Eigenschaften. Um aus riesigen Mengen an Beobachtungsdaten verlässliche wissenschaftliche Erkenntnisse zu gewinnen, griff das Team von CartographY auf stellare Physik, maschinelles Lernen und schließende Statistik zurück. Die Forschungsgruppe erstellte große Raster von Sternentwicklungsmodellen, um darzustellen, wie sich unterschiedliche Massen, Heliumgehalte und Annahmen zur internen Durchmischung auf die beobachtbaren Eigenschaften eines Sterns auswirken. Da sich die Berechnung vollständiger Sternlebenszyklen rechnerisch aufwendig gestaltet, trainierte das Team Emulatoren auf Basis von maschinellem Lernen, um diese detaillierten Modelle wesentlich schneller nachzubilden. Letzten Endes führte die Forschungsgruppe, anstatt jeden Stern isoliert zu betrachten, Bayessche hierarchische Modelle(öffnet in neuem Fenster) ein. Dank dieser konnten gesamte Sternpopulationen gleichzeitig untersucht werden, was dazu beitrug, umfassendere Muster aufzudecken, so zum Beispiel, wie sich die Heliumkonzentrationen zusammen mit anderen Metallen bei verschiedenen Sterngruppen verändern. „Als ein Schlüsselerfolg des Projekts galt die Tatsache, dass das Alter von Sternen auf eine ehrlichere und in sich konsistentere Weise bestimmbar ist. Anstatt zu fragen, wie alt ein Stern gemäß einem starren, möglicherweise fehlerhaften Modell ist, wird mit CartographY bewertet, wie robust dieses Alter über verschiedene plausible Modelle der Sternentwicklung hinweg bleibt“, erklärt Davies. „Durch direkte Einbeziehung systematischer Unsicherheiten in die Gleichungen können wir nun wirklich gut eingegrenzte Sterndaten von Daten unterscheiden, die nur deshalb präzise erscheinen, weil Modellfehler außer Acht gelassen wurden.“ Zudem bot die Anwendung von Bayesschen Modellbeweisen dem Team eine prinzipiengeleitete Methode zum Vergleich konkurrierender stellarer Modelle. „Anstatt das Modell auszuwählen, das die geringste formale Unsicherheit liefert, wird ermittelt, welche Modelle tatsächlich am besten durch Beobachtungsdaten gestützt werden“, erläutert Davies.
Das Rotationsproblem und die Jagd nach Exoplaneten
Um die Modelle zu validieren und wirklich zu verstehen, wo aktuelle Sternmodelle versagen, ist in der nächsten Phase eine Maßstabserweiterung der CartographY-Methode auf größere und vielfältigere Sternstichproben erforderlich. Eine weitere entscheidende Herausforderung ist die Sternrotation. Die Rotation eines Sterns liefert wichtige Hinweise auf sein Alter, doch im Rahmen von CartographY wurde gezeigt, dass unser aktuelles Verständnis der Rotationsevolution weniger sicher als zuvor erhofft ist. Die zu aggressive Anwendung eines fehlerhaften Rotationsmodells birgt das Risiko, die abgeleiteten stellaren Alter zu verfälschen. Anstatt die Rotation vorschnell als blindes Messkriterium zu nutzen, konzentriert sich das Team darauf, mithilfe seines Bayesschen Rahmenwerks zunächst Rotationstheorien sorgfältig zu validieren und zu verbessern. Mit Blick in die Zukunft ist diese neue Methodik dazu bestimmt, eine entscheidende Rolle zu übernehmen. Zukünftige Missionen wie das ESA-Projekt PLATO werden schon bald hochwertige Daten über die Wirtssterne von Exoplaneten liefern, weshalb es wichtiger denn je ist, über Werkzeuge zu verfügen, die wirklich genaue, und nicht nur hochpräzise, Sternprofile liefern.
