Svelare la vera età delle stelle
I modelli moderni di evoluzione stellare si basano sulla conoscenza dell’abbondanza di elio, un elemento fondamentale ma difficile da determinare con precisione. Essendo il secondo elemento più abbondante nell’universo, l’elio determina la composizione interna, la temperatura, la luminosità e la durata di vita complessiva di una stella. Dato che è notoriamente difficile misurarlo, i modelli tradizionali si limitano a ipotizzare o supporre il contenuto di elio di una stella, anziché determinarlo sulla base delle osservazioni. Ciò ha generato incertezze sistematiche nelle nostre mappe cosmiche. L’obiettivo principale del progetto CartographY, finanziato dal CER, era quello di superare le ipotesi infondate e rendere i profili stellari non solo più precisi, ma anche realmente affidabili.
Passare dalle supposizioni ai dati «onesti»
«Una delle attività principali del progetto è stata quella di mappare e misurare l’elio interno delle stelle utilizzando l’asterosismologia, ovvero lo studio delle oscillazioni stellari», osserva il coordinatore del progetto Guy Davies. «Combinando dati astrosismici di alta qualità con la spettroscopia e l’astrometria, siamo riusciti a superare il limite di affidarci a un unico insieme fisso di ipotesi.» Combinando questi dati, il team ha dedotto le proprietà delle stelle, tra cui massa, raggio, età e contenuto di elio, quantificando al contempo l’incertezza relativa a tali proprietà. Per trasformare enormi quantità di dati osservazionali in risultati scientifici affidabili, CartographY ha combinato la fisica stellare, l’apprendimento automatico e l’inferenza statistica. I ricercatori hanno creato ampie griglie di modelli di evoluzione stellare, illustrando in che modo le diverse masse, le abbondanze di elio e le ipotesi relative alla miscelazione interna influenzano le proprietà osservabili di una stella. Poiché il calcolo dei cicli di vita completi delle stelle richiede un grande sforzo computazionale, il team ha addestrato degli emulatori basati sull’apprendimento automatico per riprodurre questi modelli dettagliati in modo molto più rapido. Infine, anziché trattare ogni stella separatamente, i ricercatori hanno introdotto modelli gerarchici bayesiani(si apre in una nuova finestra). Ciò ha permesso loro di studiare contemporaneamente intere popolazioni stellari, contribuendo a mettere in luce modelli più ampi, come ad esempio l’evoluzione dei livelli di elio in relazione a quelli di altri metalli nei diversi gruppi stellari. «Uno dei risultati chiave del progetto è stata la capacità di determinare l’età delle stelle in modo più accurato e coerente. Anziché chiedersi quale sia l’età di una stella sulla base di un unico modello rigido e potenzialmente imperfetto, CartographY valuta quanto tale età rimanga valida nei diversi modelli plausibili di evoluzione stellare», spiega Davies. «Incorporando le incertezze sistematiche direttamente nelle equazioni, ora siamo in grado di distinguere i dati stellari realmente ben vincolati da quelli che sembrano precisi solo perché sono state ignorate le imperfezioni del modello.» Inoltre l’uso dell’evidenza del modello bayesiano ha offerto al team un metodo sistematico per confrontare modelli stellari concorrenti. «Anziché scegliere il modello che presenta l’incertezza formale minore, questo metodo individua quali modelli siano effettivamente meglio supportati dai dati osservazionali», spiega Davies.
Il problema della rotazione e la ricerca dei sistemi ospitanti esopianeti
Per convalidare i modelli e comprendere appieno i limiti degli attuali modelli stellari, la fase successiva richiede l’estensione del metodo di CartographY a campioni di stelle più ampi e diversificati. Un altro ambito fondamentale è quello della rotazione stellare. La rotazione di una stella fornisce indizi fondamentali sulla sua età, ma CartographY ha rivelato che le attuali conoscenze sull’evoluzione della rotazione sono meno certe di quanto si sperasse in precedenza. L’applicazione troppo rigida di un modello di rotazione errato rischia di distorcere le età stellari dedotte. Pertanto, anziché affrettarsi a utilizzare la rotazione come parametro di valutazione cieco, il team si sta concentrando sull’utilizzo del proprio quadro bayesiano per convalidare e migliorare con attenzione, in primo luogo, le teorie sulla rotazione. In prospettiva, questa nuova metodologia è destinata a svolgere un ruolo fondamentale. Le prossime missioni, come PLATO dell’ESA, forniranno presto dati di alta qualità sulle stelle che ospitano esopianeti, rendendo più importante che mai disporre di strumenti in grado di fornire profili stellari realmente accurati, anziché semplicemente altamente precisi.
