सर्वांत जड कृष्णविवर-टक्कर वर्तुळाकार कक्षेत नव्हती

23 नोव्हेंबर 2023 रोजी हॅनफर्ड आणि लिव्हिंग्स्टन येथील LIGO वेधशाळांनी GW231123 नोंदवले — आजवर नोंदवलेले दोन कृष्णविवरांचे सर्वांत वजनदार विलीनीकरण. कक्षा वर्तुळाकार आहे असे गृहीत धरून, प्रमाणित विश्लेषणाने सूर्याच्या सुमारे 137 आणि 101 पट वस्तुमाने दिली, आणि दोघेही अतिशय वेगाने फिरत होते.

हे आकडे अडचणीचे आहेत. लहान कृष्णविवर तथाकथित जोडी-अस्थिरता वस्तुमान-दरीत (pair-instability mass gap) येते — वस्तुमानांचा असा पल्ला जो ताऱ्याच्या सामान्य कोसळण्यातून निर्माण होणे कठीण असते. यावर एक मार्ग म्हणजे श्रेणीबद्ध विलीनीकरण (hierarchical merger): दाट तारकागुच्छासारख्या गर्दीच्या वातावरणात, एका विलीनीकरणाचा अवशेष तिथेच राहतो आणि नंतर पुन्हा विलीन होतो. शोधनिबंध एका उपयुक्त सुगाव्याचीही नोंद घेतो: जवळपास समान वस्तुमानाची आणि अत्यल्प परिवलन असलेली दोन कृष्णविवरे विलीन होतात, तेव्हा अवशेषाचे परिवलन सामान्यतः सुमारे 0.7 असते — भौतिकशास्त्रज्ञ वापरत असलेल्या मितिहीन मापनश्रेणीवर, जिथे 1 च्या जवळची मूल्ये जवळजवळ कमाल परिवलन दर्शवतात.

फक्त काही आवर्तने

GW231123 अल्पकालीन होते: अंतिम झेपेपूर्वी लहरींची फक्त काही मोजता येण्याजोगी आवर्तने. त्यामुळे त्याचा अर्थ लावणे लहरीरूपाच्या मॉडेलवर खूप अवलंबून असते. एक गुणधर्म नेमका ठरवणे विशेषतः कठीण असते: विकेंद्रता (eccentricity), म्हणजे कक्षा किती अंडाकृती आहे. गुरुत्वीय लहरी उत्सर्जित केल्याने जुन्या, एकाकी जोड्यांच्या कक्षा गोलाकार होत जातात, पण दाट वातावरणातील जवळच्या भेटी काही विकेंद्रता शिल्लक ठेवू शकतात. फक्त काही आवर्तनांत, अंडाकृती कक्षा फिरणाऱ्या कृष्णविवरांच्या डगमगण्याची नक्कल करू शकते. मॉडेलने विकेंद्रता वगळली, तर तिची खूण परिवलनांमध्ये शोषली जाऊ शकते.

खालून सुरुवात, अधिक दर्शन

वुहान विद्यापीठातील बाओशियांग वांग (Baoxiang Wang) आणि ताओ यांग (Tao Yang) यांनी, बीजिंग नॉर्मल विद्यापीठ, पॉट्सडॅम येथील मॅक्स प्लँक गुरुत्वीय भौतिकशास्त्र संस्था आणि निंगबो विद्यापीठ येथील सहकाऱ्यांसह, विकेंद्रता आणि पुरस्सरण (precession) करणारी परिवलने दोन्ही विचारात घेणाऱ्या लहरीरूप मॉडेलने सार्वजनिक डेटाचे पुनर्विश्लेषण केले. मुख्य फरक: हॅनफर्ड डिटेक्टरसाठी — ज्याच्या सार्वजनिक डेटामधून एक क्षणिक व्यत्यय (glitch) काढून टाकला होता — त्यांनी 20 ऐवजी 11 हर्ट्झपासून सुरुवात केली. कमी वारंवारतांवर विकेंद्रता अधिक असते, त्यामुळे संकेताचा हा सुरुवातीचा भाग सर्वांत महत्त्वाचा ठरतो.

5.5 हर्ट्झ वारंवारतेवर व्याख्या केलेली कक्षेची विकेंद्रता 0.34 येते.
विकेंद्र मॉडेलला 10.2 च्या बेज गुणकाने (Bayes factor) पसंती मिळते: वर्तुळाकार कक्षेपेक्षा अंडाकृती कक्षा डेटाचे सुमारे दहापट चांगले स्पष्टीकरण देते.
आधीच्या अभ्यासांप्रमाणे 20 हर्ट्झपासून सुरुवात केल्यास, त्यांना अत्यल्प विकेंद्रता आढळते — त्या अभ्यासांशी सुसंगत.

हे तपासण्यासाठी त्यांनी अंडाकृती कक्षा असलेले एक बनावट GW231123 तयार केले आणि त्याचे त्याच पद्धतीने विश्लेषण केले. ते खऱ्या घटनेसारखेच वागले: 11 हर्ट्झपासून स्पष्टपणे विकेंद्र, 20 हर्ट्झपासून त्याहून खूपच कमी. खूप वरून सुरुवात केल्यास अंडाकृती कक्षा लपू शकते.

परिवलनाचे कोडे सैल होते

विकेंद्रता विचारात घेतल्यावर सर्वाधिक बदल लहान कृष्णविवरात होतो. त्याचे परिवलन वर्तुळाकार विश्लेषणातील 0.90 वरून सुमारे 0.74 पर्यंत खाली येते — आधीच्या विलीनीकरणाच्या अवशेषाकडून अपेक्षित 0.7 च्या जवळ. बनावट संकेतही हाच परिणाम दाखवतो: वर्तुळाकार म्हणून विश्लेषण केल्यास त्याचे लहान कृष्णविवर प्रत्यक्षापेक्षा अधिक वेगाने फिरताना दिसते.

मोठे कृष्णविवर दोन्ही प्रकारे वेगाने फिरतच राहते, आणि त्याचे वस्तुमान साध्या दुसऱ्या पिढीच्या उगमात क्वचितच बसते. त्यामुळे दोन्ही कृष्णविवरांचे इतिहास वेगळे असू शकतात: लहान कदाचित आधीच्या दोन कृष्णविवरांचे अपत्य, मोठे दुसऱ्या कोणत्या तरी मार्गाने तयार झालेले. दृष्टिरेषेवर गुरुत्वीय भिंगाची शक्यता जोडली तरी विकेंद्र निकाल बदलत नाही.

यामुळे काय बदलते

आधीच्या अभ्यासांनी जोडी-अस्थिरता वस्तुमान-दरीची वरची कड ठरवण्यासाठी GW231123 च्या लहान कृष्णविवराचा वापर केला होता. लेखकांचा युक्तिवाद आहे की ते कृष्णविवर स्वतःच विलीनीकरणाचे उत्पादन असेल, तर त्याचे वस्तुमान एकट्याने ती कड ठरवू शकत नाही. 10 चा बेज गुणक हा पुरावा नव्हे तर इशारा आहे — लेखक स्वतःच नमूद करतात की संकेत अल्पकालीन असतो तेव्हा खरोखर विकेंद्र संकेतही नेहमी भक्कम पसंती देत नाहीत. एखाद्या लोकसंख्येची सीमा काही मोजक्या असामान्य घटनांवर आधारलेली असते, तेव्हा त्या घटनांमागील लहरीरूपाची गृहीतके थेट महत्त्वाची ठरतात, असा त्यांचा निष्कर्ष आहे.