Simulation-based inference for AGN jet population modelling: Towards more robust comparisons of black hole jet speeds

Stel je het universum voor als een gigantische, kosmische fabriek waar de meest krachtige motoren die men zich kan voorstellen constant op gang komen. Deze motoren zijn zwarte gaten, en ze zitten niet alleen maar stil; ze schieten massieve, hogesnelheidsstralen van deeltjes uit, genaamd "jets", die zich duizenden lichtjaren uitstrekken. Denk aan deze jets als de uitlaatgassen van een raket, maar in plaats van brandstof te verbranden, worden ze aangedreven door de intense zwaartekracht en rotatie van een zwart gat. Wetenschappers vragen zich al lang af of deze motoren op dezelfde manier werken, of ze nu klein zijn (zoals de zwarte gaten in ons eigen sterrenstelsel) of gigantisch (de superzware exemplaren in de centra van andere sterrenstelsels). Om dit te achterhalen, moeten astronomen meten hoe snel deze jets daadwerkelijk bewegen. Maar hier zit de adder onder het gras: het universum is verraderlijk. Omdat deze jets zo snel bewegen en in verschillende richtingen wijzen, zien ze er voor ons anders uit, afhankelijk van hoe ze gericht zijn. Het is alsof je een auto ziet die voorbijraast: als hij recht op je af komt, ziet hij er ongelooflijk snel en helder uit, maar als hij van je wegrijdt of dwars door je gezichtsveld rijdt, lijkt hij langzamer en minder fel. Dit maakt het erg moeilijk om de "werkelijke" snelheid van de hele vloot aan jets te kennen, omdat we alleen degenen zien die recht op ons gericht zijn.

Dit artikel is een detectiveroman over het oplossen van dat puzzelstukje. De auteurs, Clara Lilje, James Matthews en Rob Fender, wilden een beter beeld krijgen van de "parent population" van deze jets—de volledige familie van zwarte gaten, niet alleen de gelukkigen die we kunnen zien. Ze gebruikten een steekproef van 174 krachtige radi quasars (een type actieve sterrenstelsel) uit een beroemde survey genaamd MOJAVE. In plaats van ouderwetse wiskunde die moeite heeft met complexe, rommelige data, gebruikten ze een moderne, computergestuurde techniek genaamd "simulation-based inference". Je kunt dit zien als een videogame waarbij de computer miljoenen nep-universums creëert met verschillende regels voor hoe snel de jets gaan. De computer leert vervolgens te herkennen welke set regels het nep-universum precies hetzelfde laat lijken als het echte universum dat wij observeren. Door dit te doen, ontdekten ze dat de snelheden van deze gigantische jets een specifiek patroon volgen: het aantal jets neemt af naarmate ze sneller gaan, volgens een curve waarbij de exponent ongeveer -1,32 is. Cruciaal was dat ze ontdekten dat de onzekerheid in dit getal veel groter is dan eerdere studies dachten, en dat de vorm van de data geen eenvoudige, nette klokcurve is. Toen ze hun resultaten vergeleken met de snelheden van jets van kleinere zwarte gaten (genaamd röntgen-dubbelsterren), vonden ze dat de twee groepen verrassend veel op elkaar lijken. De hellingen van hun snelheidsverdelingen komen overeen binnen een 2-sigma marge, wat suggereft dat de fysica van hoe zwarte gaten hun jets afschieten universeel kan zijn, of het nu gaat om een klein of een enorm zwart gat.

De Kosmische Snelheidscontrole

Om te begrijpen wat deze wetenschappers hebben gedaan, moet je eerst de "Kosmische Snelheidscontrole" begrijpen. Stel je voor dat je op een racecircuit bent, maar je kunt de auto's alleen vanuit één specifiek stoeltje op de tribune zien. Als een auto recht op je af rijdt, ziet hij er ongelooflijk snel uit en zijn de koplampen verblindend fel. Als hij van je wegrijdt, ziet hij er langzaam en zwak uit. Als hij dwars door je gezichtsveld rijdt, zit daar ergens tussenin. Stel je nu voor dat je probeert de gemiddelde snelheid van alle auto's in de race te bepalen, maar je kunt alleen degenen zien die razendsnel op je afkomen. Je zou er onterecht vanuit kunnen gaan dat elke auto super snel is, omdat de langzamere auto's uit jouw zicht zijn verdwenen. Dit is precies wat er gebeurt met de jets van zwarte gaten. Het universum zit vol met zwarte gaten die jets uitstoten, maar vanwege een fenomeen genaamd "relativistische beaming", zien we vooral degenen die direct op de Aarde gericht zijn en bewegen met bijna de snelheid van het licht. De langzamere, of degenen die zijwaarts wijzen, zijn te zwak voor onze telescopen om op te vangen. Dit creëert een "flux limit", een bias waarbij ons beeld van het universum vertekend is naar de snelste, helderste objecten.

De Oude Manier versus de Nieuwe Manier

Lama tijd probeerden astronomen deze bias te corrigeren met standaard wiskundige instrumenten, zoals de Anderson-Darling test of chi-kwadraat testen. Zie deze instrumenten als een poging om een vierkant blokje in een rond gat te passen. Ze werken prima als je naar slechts één ding tegelijk kijkt, zoals de snelheid van de jets. Maar wanneer je tegelijkertijd naar snelheid, helderheid en afstand probeert te kijken, raken deze instrumenten in de war. Ze gaan er vaak van uit dat de antwoorden een mooie, symmetrische klokcurve volgen (zoals een hoop zand die in het midden het hoogst is en er gelijkmatig afloopt). Ze hebben ook de neiging om overmoedig te zijn, waarbij ze zeer nauwe marges geven voor hun antwoorden en zeggen: "We zijn voor 91% zeker dat het antwoord exact hier ligt!"

De auteurs van dit artikel besloten een andere aanpak te proberen. Ze gebruikten een methode genaamd Simulation-Based Inference (SBI). Stel je voor dat je probeert het recept van een geheime taart te raden. In plaats van de taart te proeven en de ingrediënten één voor één te raden, heb je een robotkok. Je zegt tegen de robot: "Maak een taart met 2 eieren, 1 kop suiker en 3 koppen bloem." De robot bakt de taart en laat het resultaat aan je zien. Je vergelijkt het met de echte taart. Als de taart te droog is, zeg je tegen de robot dat hij het opnieuw moet proberen met minder bloem. De robot doet dit miljoenen keren en leert de relatie tussen de ingrediënten en de uiteindelijke taart. Uiteindelijk leert de robot de "likelihood surface" — een kaart van alle mogelijke ingrediëntcombinaties die de taart hadden kunnen maken die jij voor je hebt.

In dit artikel zijn de "ingrediënten" de eigenschappen van de zwarte gat-jets (hoe snel ze draaien, hoe helder ze zijn, hoe ze in de loop van de tijd evolueren) en de "taart" is de data van de MOJAVE-survey. De robot (een machine learning-model genaamd een "normalizing flow") simuleert miljoenen nep-universums, leert welke er precies zoals de echte data uitzien, en vertelt de wetenschappers vervolgens wat het meest waarschijnlijke "recept" is voor het echte universum.

De Grote Bevindingen

Toen de auteurs hun simulatie draaiden, kwamen ze enkele interessante zaken tegen die de oude methoden hadden gemist:

1. De Antwoorden zijn Rommeliger (en Eerlijker): De oude methoden gaven zeer nette, symmetrische antwoorden. De nieuwe methode liet zien dat de antwoorden eigenlijk "hobbelig" en asymmetrisch zijn. Bijvoorbeeld, de onzekerheid in de snelheidverdeling is geen perfecte klokcurve; het is scheef. Dit betekent dat de oude studies waarschijnlijk te zelfverzekerd waren. De nieuwe studie zegt: "We denken dat de snelheidsexponent -1,32 is, maar het zou ergens tussen de -1,51 en -1,12 kunnen liggen." Dat is een veel bredere marge, maar wel een eerlijkere.
2. De "Beaming"-factor is Solide: Een van de parameters die ze testten was de "beaming exponent" (hoeveel de helderheid van de jet verandert op basis van de hoek). De simulatie was extreem zelfverzekerd over deze waarde en legde deze heel strak vast. Dit bevestigde dat voorgaande wetenschappers het goed hadden door deze waarde in hun modellen vast te zetten op 2,0.
3. De Verstrengeling van "Snelheid versus Helderheid": De simulatie liet zien dat sommige variabelen "degenerat" zijn, wat betekent dat ze met elkaar verstrengeld zijn. Bijvoorbeeld, de manier waarop de jets in helderheid veranderen over de tijd (redshift evolutie) is lastig te scheiden van de manier waarop hun snelheid verandert. De simulatie legde deze verstrengeling perfect vast, door een langgerekt, uitgerekt beeld in de data te tonen waar de twee variabelen in elkaar overvloeien. Oude methoden zouden deze complexiteit simpelweg hebben gemist.

De Kosmische Connectie: Reuzen en Dwergen

Het meest opwindende deel van het artikel is de vergelijking. De auteurs namen hun nieuwe, nauwkeurigere metingen van de gigantische zwarte gaten (Active Galactic Nuclei, of AGN) en vergeleken deze met de metingen van de kleine zwarke gaten in ons eigen sterrenstelsel (X-ray Binaries, of XRB).

Denk aan het vergelijken van een Ferrari met een go-kart. Je zou verwachten dat ze totaal verschillende motoren hebben. Maar toen de auteurs keken naar de "Lorentz factor" (een chique manier om te zeggen: hoe dicht ze bij de lichtsnelheid bewegen), vonden ze iets verrassends. De verdeling van snelheden voor de gigantische AGN-jets en de kleine XRB-jets zijn consistent met elkaar binnen een 2-sigma marge.

Wat betekent "2-sigma"? In de wetenschap is dit een manier om te zeggen: "Er is een redelijke kans dat deze twee dingen hetzelfde zijn, maar we weten het nog niet 100% zeker." Het is als het 100 keer gooien van een munt en 60 keer kop krijgen. Het is verdacht, maar niet onmogelijk dat het een toevalstreffer is. Echter, het is sterk genoeg om te suggereren dat de fysica van hoe zwarte gaten hun jets afschieten hetzelfde kan zijn, ongeacht of het zwarte gat zo groot is als een berg of zo groot als een zonnestelsel.

Waarom Dit Belangrijk Is

Dit artikel geeft ons niet alleen een nieuw getal; het geeft ons een nieuwe manier van denken. Het laat zien dat wanneer we te maken hebben met complexe, vertekende data in de astronomie, we moeten stoppen met het gebruik van eenvoudige instrumenten die ervan uitgaan dat alles netjes en symmetrisch is. Door gebruik te maken van simulation-based inference, waren de auteurs in staat om de "hobbeligheid" en de "verstrengelingen" in de data te zien die voorheen verborgen bleven.

Ze toonden ook aan dat het universum uniformer kan zijn dan we dachten. Als de jets van de kleinste zwarte gaten en de grootste zwarte gaten dezelfde snelheidregels volgen, suggereert dit dat de fundamentele natuurwetten die deze kosmische motoren aansturen universeel zijn. Het is een beetje alsof je ontdekt dat hetzelfde ontwerp wordt gebruikt voor zowel een speelgoedauto als een echte racewagen.

Natuurlijk zijn de auteurs voorzichtig en zeggen ze niet dat dit het laatste woord is. Ze wijzen erop dat er nog steeds verschillen zijn in hoe we deze objecten waarnemen (zoals het feit dat we de gigantische jets op andere afstanden zien dan de kleine jets), en dat er meer data nodig is om absoluut zeker te zijn. Maar door dit krachtige nieuwe instrument te gebruiken, hebben ze een enorme stap gezet naar het begrijpen van de ware aard van deze kosmische snelheidsduivels. Ze hebben bewezen dat we met de juiste instrumenten eindelijk de hele familie van zwarte gat-jets kunnen zien, en niet alleen degenen die op ons gericht zijn.