Julia Monteiro
Julia Monteiro
Ciência e Espaço · 20 de dezembro de 2023 · 2 min de leitura ·

‘Músicas’ de estrelas revelam suas distâncias da Terra; entenda

'Músicas' de estrelas revelam suas distâncias da Terra; entenda

Astrônomos desenvolveram uma técnica revolucionária para medir distâncias no espaço: usar a “música” produzida por estrelas. Esta abordagem promete oferecer apoio significativo ao satélite Gaia da Agência Espacial Europeia (ESA), cuja missão é medir posições e distâncias de cerca de dois bilhões de estrelas. Isso vai ajudar a criar um mapa tridimensional da Via Láctea.

Os métodos tradicionais de medição de distâncias estelares, como o método de paralaxe, enfrentam desafios de precisão para estrelas mais distantes. A pesquisa, liderada por cientistas da Escola Politécnica Federal de Lausanne (EPFL) e da Universidade de Bolonha, supera essas limitações ao desenvolver observações precisas de mais de 12 mil estrelas gigantes vermelhas oscilantes.

O artigo, publicado na revista Astronomy & Astrophysics, apresenta um novo método para detectar e medir a polarização da radiação cósmica de fundo em micro-ondas (CMB).

A técnica, conhecida como asterossismologia, analisa as oscilações estelares para medir distâncias. É bem parecido com usar terremotos para investigar a geologia do nosso planeta. As vibrações das estrelas são convertidas em ondas sonoras e frequências associadas, que são utilizadas para determinar as distâncias.

Essa análise do espectro de frequência das estrelas permite estimar o tamanho das estrelas, de forma semelhante à identificação do tamanho de um instrumento musical pelo som que produz. Com o tamanho da estrela calculado, é possível determinar seu brilho, que, quando comparado com sua aparência vista da Terra, ajuda a calcular a distância.

O método é baseado na análise de dados de imagens da CMB obtidos por telescópios de radiofrequência. As imagens da CMB são obtidas dividindo o céu em pequenas regiões, chamadas pixels. A polarização da CMB é representada por dois componentes, chamados de polarização linear e polarização circular. O método proposto usa um algoritmo de aprendizado de máquina para separar os dois componentes da polarização da CMB.

Compartilhe