Superkomputer wreszcie wyjaśnia, dlaczego magnetyzm kosmiczny to nie tylko chaos z dodatkowymi krokami
Po 70 latach drapania się po głowie naukowcy użyli superkomputera, by dowiedzieć się, dlaczego magnetyzm kosmiczny nie jest kompletną katastrofą, a odpowiedź wymaga gradientów prędkości i 137 miliardów punktów siatki.
Pola magnetyczne są wszędzie we wszechświecie – planety, gwiazdy, całe galaktyki – i są zaskakująco dobrze zorganizowane jak na coś, co z definicji powinno być chaotycznym bałaganem. Przez dekady naukowcy drapali się po głowie, jak nieporządek w kosmosie potrafi wytworzyć tak wielkoskalowy porządek. Teraz badacze z University of Wisconsin-Madison uważają, że znaleźli brakujący element, a to wymagało naprawdę masywnego przetwarzania danych.
W nowym badaniu opublikowanym w Nature zespół przeprowadził symulacje superkomputerowe tak szczegółowe, że użyto 137 miliardów punktów siatki w przestrzeni 3D. To nie pomyłka. Symulacje, które wygenerowały 0,25 petabajta danych i pochłonęły prawie 100 milionów godzin CPU na superkomputerze Anvil na Purdue University, skupiły się na tym, jak turbulentne przepływy plazmy mogą spontanicznie tworzyć zorganizowane struktury podobne do dżetów – a w konsekwencji wytwarzać duże pola magnetyczne.
„Pola magnetyczne w kosmosie są wielkoskalowe i uporządkowane, ale nasze rozumienie, jak te pola są generowane, mówi, że pochodzą one z jakiegoś rodzaju ruchu turbulentnego” – powiedział główny autor badania Bindesh Tripathi, były doktorant fizyki z UW-Madison, obecnie na Columbia University. „Biorąc pod uwagę, że turbulencja jest znana jako czynnik destrukcyjny, pozostaje pytanie, jak tworzy ona konstruktywne, wielkoskalowe pole?”
Kluczem, jak odkrył zespół, było dodanie stale odnawianego gradientu prędkości – zasadniczo różne części systemu poruszające się z różnymi prędkościami, jak rowerzysta uderzający w krawężnik, gdy rower się zatrzymuje, ale jeździec leci dalej. To samo dzieje się wewnątrz Słońca i podczas łączenia gwiazd neutronowych. Gdy badacze przeprowadzili symulacje bez tego stałego, wielkoskalowego gradientu, zorganizowane struktury magnetyczne nigdy się nie utworzyły. Panował chaos. Z gradientem? Pojawił się porządek.
„Więc to jest naprawdę główny klucz: mieć stały, wielkoskalowy gradient prędkości” – podkreślił Tripathi.
To nie tylko akademickie dywagacje. Odkrycia mogą pomóc wyjaśnić wszystko, od powstawania czarnych dziur po łączenia gwiazd neutronowych, a także dlaczego burze słoneczne czasami celują prosto w Ziemię. I mogą wreszcie rozwiązać 70-letnią zagadkę dynam magnetycznych – procesów generujących pola magnetyczne – które uparcie odmawiały wytwarzania dużych, uporządkowanych struktur, które astronomowie faktycznie obserwują.
„Generowanie pola magnetycznego przez dynamo było intensywnie badane przez 70 lat, z frustrującym rezultatem, że generowane pola prawie zawsze kończą się na małych skalach i są silnie nieuporządkowane, w przeciwieństwie do obserwacji” – powiedział Paul Terry, profesor fizyki na UW-Madison i starszy autor. „Ta praca potencjalnie rozwiązuje zatem długotrwały problem.”
Choć nie możemy tego dokładnie przetestować w odległych środowiskach kosmicznych, wcześniejsze eksperymenty laboratoryjne z 2012 roku w Wisconsin Plasma Physics Laboratory – które wprawiły w zakłopotanie istniejące teorie – teraz nabierają znacznie większego sensu. Więc gratulacje dla superkomputera: wreszcie sprawiłeś, że magnetyzm kosmiczny jest nieco mniej tajemniczy.
The Good Times
Wiadomości w Twojej skrzynce.
Sardoniczne podsumowanie, dostarczane według Twojego harmonogramu. Bezpłatnie. Zrezygnuj kiedy chcesz.
Już subskrybujesz, ale nigdy do Ciebie nie docieramy? Zajrzyj do folderu spam i kliknij 'To nie spam' (lub 'Usuń ze spamu'), żeby wyciągnąć nas z czyśćca niechcianej poczty. Przy okazji pomożesz wszystkim innym.
Jeśli przez miesiąc nie otworzysz żadnego z naszych e-maili, zostaniesz automatycznie usunięty z listy.
Rewrite Article
Select parts to regenerate with a fresh AI pass. Translations will be updated automatically.
Generate AI Image
Creates a sardonic version of the article image using OpenAI.