El Observatorio Vera Rubin ha alcanzado un hito importante con su reciente rendimiento de la primera luz, lo que indica un nuevo capítulo emocionante en la investigación astronómica. El 5 de noviembre, se puede lanzar la Encuesta Legacy of Space and Time (LSST) (LSST), esta investigación innovadora está destinada a escanear los miles de millones de estrellas del cielo durante una duración de al menos diez años.
Un enfoque importante del LSST será la búsqueda de agujeros extremadamente negros (PBH), candidatos cruciales para comprender la materia oscura. Investigadores de la Universidad de Durham y la Universidad de Nuevo México han publicado un artículo sobre los desafíos que se enfrenta el LSST para detectar estas esquivas entidades. La complejidad se encuentra principalmente en los obstáculos estadísticos que presentan la enorme cantidad de datos que generará el LSST.
Se espera que los PBH se manifiesten en los datos del LSST a través de eventos de micrototación. Cuando un PBH se mueve para una estrella, el campo gravitacional crea un aumento temporal en el brillo de la estrella, un fenómeno diseñó el LSST para atrapar. Sin embargo, varios otros eventos estelares, como estrellas variables o ruido del telescopio en sí, pueden simular este comportamiento, lo que hace que la identificación de PBHS sea complicada.
Un aspecto crucial de la búsqueda es distinguir de los eventos de microlente real de aumentos de brillo comparables que se atribuyen a fuentes alternativas. Si los algoritmos utilizados por el LSST identifican incorrectamente estos eventos, esto puede conducir a un mayor porcentaje de falsos positivos (FPR). Este evento estadístico, en el que un sistema identifica erróneamente un hallazgo, es un cuidado considerable para las disciplinas científicas, incluida la medicina.
Debido al extenso número de estrellas que observarán el LSST, es esencial mantener un FPR bajo. Los investigadores han establecido un objetivo desafiante de una posibilidad de diez millones en una identificación falsa. Para lograr esto, probaron varios filtros estadísticos en datos LSST simulados para evaluar su efectividad.
Según los filtros investigados, el filtro χ2 (chi-kwadraat) realizó el más pobre debido a la vulnerabilidad de ruido aleatorio, que distorsiona su poder para clasificar con precisión las curvas de luz. Un algoritmo de árbol de decisión aumentado (BDT), por otro lado, era una distinción prometedora y efectiva entre las curvas de luz constantes y la de comportamiento de microlente. El método más efectivo que se utilizó fue la relación Criterio de información bayesiana (BIC), que fue responsable de la complejidad del modelo y ayudó al ruido aleatorio.
Al promover su análisis, los autores han modelado colas extremas de las salidas BDT y BIC contra sus distribuciones estadísticas, lo que condujo a una reducción adicional en el FPR. Afirman que con estas técnicas mejoradas, el LSST podría limitar el tamaño de PBHS dentro del primer año de recopilación de datos, por lo que este concepto puede refinarse considerablemente durante diez años.
A pesar de la visión optimista, la investigación indica que se necesita más trabajo para adaptar los datos simulados a la cadencia observacional real del LSST, porque este aspecto puede influir en la interpretación de las curvas de luz. Sin embargo, el lanzamiento que se acerca al LSST es una oportunidad extraordinaria para los astrónomos, prometiendo un progreso en nuestra comprensión de la materia oscura y el universo en general.
