On Thermodynamic Universalities and Optics of B-deformed Reissner--Nordström--AdS Black Holes

Nel profondo del cosmo, dove la gravità è così intensa che nemmeno la luce può sfuggire, i buchi neri fungono da laboratori più estremi della natura. Per decenni, i fisici hanno studiato questi giganti invisibili non solo come oggetti di luce e oscurità, ma come sistemi termodinamici, proprio come le macchine a vapore del diciannovesimo secolo. Trattando lo spazio attorno a un buco nero come un fluido che può essere compresso o espanso, gli scienziati hanno scoperto che questi oggetti cosmici subiscono transizioni di fase simili all'ebollizione o al congelamento dell'acqua. Questo collegamento tra le regole microscopiche della meccanica quantistica e la scala massiccia della gravità è diventato un ponte vitale nella fisica moderna. Recentemente, l'Event Horizon Telescope, una rete globale di antenne radio, ha catturato le prime immagini dirette delle ombre proiettate da due dei buchi neri più famosi dell'universo, M87* e Sgr A*. Queste immagini forniscono un modo raro e tangibile per testare le teorie su come la gravità si comporti nelle condizioni più estreme, permettendo ai ricercatori di verificare se i loro modelli matematici corrispondano alla realtà catturata nel cielo.

In un nuovo studio, i ricercatori Adil Belhaj e Maryem Jemri hanno portato questa indagine un passo avanti, esplorando una versione teorica specifica di un buco nero che include sottili correzioni dalla teoria delle stringhe. Si sono concentrati su un tipo di buco nero noto come Reissner–Nordström–AdS, che è carico e si trova all'interno di un universo che possiede un tipo specifico di curvatura. Tuttavia, non si sono fermati al modello standard. Hanno introdotto una "deformazione" ispirata alla geometria non commutativa, un concetto della teoria delle stringhe che suggerisce che lo spazio-tempo stesso possa avere una struttura sfocata e granulosa alle scale più piccole. Nel loro modello, questa sfocatura è controllata da un parametro legato a un campo invisibile chiamato campo B. Il team si è posto l'obiettivo di vedere come questa modifica "stringosa" cambi il comportamento del buco nero, guardando specificamente a due aspetti: come esso si comporta come un fluido termodinamico e quale sia l'aspetto della sua ombra osservata dalla Terra.

Per affrontare queste complesse questioni, i ricercatori si sono rivolti ad avanzati strumenti computazionali, incluso l'apprendimento automatico (machine learning), per setacciare enormi quantità di dati simulati. Per prima cosa, hanno esaminato le proprietà termodinamiche di questi buchi neri deformati. Nella visione standard, certi buchi neri si comportano come un fluido di Van der Waals, un tipo di gas che può condensarsi in un liquido sotto specifiche condizioni di pressione e temperatura. Il team ha calcolato se i loro buchi neri deformati e "stringosi" esibissero questo stesso comportamento. Hanno scoperto che la risposta dipende interamente dal valore del parametro stringoso e dalla carica elettrica del buco nero. Per la maggior parte dei valori, il comportamento fluido scompare, ma hanno identificato regioni specifiche in cui il buco nero imita effettivamente un fluido di Van der Waals. Per confermare ciò, hanno costruito un programma per computer utilizzando una rete neurale completamente connessa, un tipo di intelligenza artificiale progettata per riconoscere schemi. Hanno fornito alla macchina quasi mezzo milione di scenari simulati, insegnandole a distinguere tra le configurazioni di buchi neri che mostravano questo comportamento fluido e quelle che non lo mostravano. Il risultato è stato un classificatore altamente accurato capace di identificare istantaneamente il corretto comportamento termodinamico, dimostrando che il machine learning è uno strumento potente per mappare le regole nascoste di questi oggetti cosmici.

I ricercatori si sono poi rivolti al lato ottico del problema: l'ombra. Quando un buco nero si trova davanti a uno sfondo luminoso, blocca la luce, creando una silhouette scura nota come ombra. La dimensione e la forma di questa ombra dipendono dalla massa del buco nero, dalla sua carica e dalla curvatura dello spazio circostante. Il team ha simulato come apparirebbe l'ombra del loro buco nero deformato e stringoso a un osservatore distante. Hanno scoperto che la carica elettrica e il parametro stringoso influenzano entrambi la dimensione dell'ombra, ma in modi opposti. Aumentare la carica rende l'ombra più piccola, mentre aumentare la deformazione stringosa la rende più grande. Curiosamente, anche la costante cosmologica, che si riferisce all'espansione dell'universo, ingrandisce l'ombra. Nonostante questi cambiamenti di dimensione, l'ombra rimaneva perfettamente circolare perché i ricercatori stavano studiando buchi neri non rotanti. Questa circolarità è un dettaglio cruciale, poiché significa che la forma stessa non cambia, solo la scala.

Infine, il team ha messo in contatto i loro modelli teorici con i dati del mondo reale. Hanno confrontato le loro ombre simulate con le osservazioni reali di M87* e Sgr A* catturate dall'Event Horizon Telescope. Regolando i parametri del loro modello stringoso, hanno cercato la combinazione specifica di valori che produca un'ombra corrispondente alle dimensioni e alla forma viste nelle immagini del telescopio. Hanno scoperto che il parametro stringoso deve essere negativo e rientrare in un intervallo molto stretto per essere coerente con le osservazioni. Se il parametro fosse stato al di fuori di questo intervallo, l'ombra prevista non corrisponderebbe ai dati. Per rendere questo processo ancora più robusto, hanno utilizzato nuovamente il loro modello di machine learning. Questa volta, la rete neurale è stata addestrata per esaminare i parametri e prevedere se una determinata configurazione avrebbe prodotto un'ombra compatibile con i dati del telescopio. L'IA ha imparato con successo a separare le configurazioni "consentite" da quelle "proibite" con un'accuratezza superiore al 99%.

Lo studio conclude che, sebbene lo spazio teorico per questi buchi neri stringosi sia vasto, l'universo è molto più selettivo. Solo una minuscola frazione delle possibili configurazioni matematiche è compatibile con ciò che vediamo effettivamente nel cielo. La ricerca evidenzia che il parametro stringoso agisce come una stretta manopola di controllo, determinando se un buco nero teorico può esistere nel nostro universo così come lo osserviamo. Combinando simulazioni numeriche ad alta velocità con il machine learning, gli autori hanno fornito un modo chiaro e basato sui dati per vincolare queste teorie esotiche. Il loro lavoro suggerisce che, sebbene la matematica della teoria delle stringhe permetta molte possibilità, la realtà fisica dei buchi neri, come rivelato dall'Event Horizon Telescope, impone limiti severi su come queste teorie possano manifestarsi. Questo approccio offre una strada promettente per testare altre teorie gravitazionali complesse, usando le immagini stesse dell'universo come giudice ultimo.