我们知道，球状星团是一种受引力束缚，成员由几万颗到数百万颗恒星组成的古老星团，在外观上大多呈球形，但也有可能受其他天体系统的引力影响使得形状偏离球形。球状星团的动力学演化过程，星族合成路径等是当今天文学界的研究热点。

球状星团中的恒星经过数十亿年的演化，会坍缩成一些致密星，脉冲星是其中之一。通过了解球状星团中脉冲星的分布和性质，我们可以深入了解球状星团内部的密度分布、质量分布以及与其他天体的相互作用，进而获取球状星团的动力学演化过程，星族合成路径等。

天文观测发现，脉冲星会周期性地向外辐射电磁波信号，这是它们在茫茫宇宙中存在的证据。目前已发现 3000 多颗脉冲星，按自转主要分为正常脉冲星和毫秒脉冲星等两大类，目前已知的毫秒脉冲星约有 500 多颗，约占已知脉冲星的 15%。正常脉冲星的自转周期大概在 0.1 秒到几秒左右，而毫秒脉冲星的自转周期在 30 毫秒以下。

毫秒脉冲星与正常脉冲星形成历史不同：正常脉冲星通常相对年轻，年龄不到几百万年，而毫秒脉冲星相对年老，它在密近双星系统中通过吸积质量获得角动量使自转周期达到毫秒量级。目前的观测事实是，超过三分之二的已知毫秒脉冲星在双星系统中。球状星团中恒星密度较高，具有较高的双星形成率，41 个球状星团中已发现 317 颗脉冲星，这些脉冲星大多是自转周期在数十毫秒范围内的毫秒脉冲星，其中 179 颗处于双星系统。天文研究者们好奇，是否有另外一类周期更长的脉冲星存在于球状星团中？

寻获长周期脉冲星

经过数十亿年的演化，脉冲星理应越转越慢，也就是转动周期越来越长，为何我们搜索到的大都是毫秒脉冲星？

「一个猜想是，由于球状星团密度非常大，一颗脉冲星很容易捕获到一颗伴星，并从这颗伴星中吸积物质。这些物质就像抽打陀螺的鞭子，会再次加速这颗脉冲星的转动。」之江实验室天文计算研究中心周登科博士解释说。

但理论上，长周期脉冲星有着多种可能的形成方式。一种情况是，当两颗脉冲星在吸积时被一个第三方天体打断，吸积中止，那么就有可能形成一颗长周期脉冲星。另一种情况是，老年恒星坍缩之后形成白矮星，白矮星合并形成长周期脉冲星。

那么，是什么导致我们未能寻获更多长周期脉冲星？这是因为长周期脉冲星的信噪比大多都不高，且易受天文望远镜长时间观测形成的红噪声干扰，因此长周期脉冲星的探测极具挑战性。

针对长周期脉冲星探测存在的难点问题，在过去一年多时间的研究工作中，周登科、中国科学院国家天文台副研究员王培、研究员李菂等人使用了一种新的搜索方案，并成功在球状星团中寻获了长周期脉冲星。

「首先，通过模拟和量化分析，我们系统地评估了红噪声对长周期脉冲星搜索灵敏度的影响。在此基础上，利用模拟结果精心选择了适当参数，从而有效去除了数据中的红噪声干扰。进一步，运用快速折叠算法（fast folding algorithm，FFA），对中国天眼 FAST 观测的多个球状星团巡天公开数据进行了详尽深入的搜索。」周登科介绍道。

最终，研究团队在球状星团 M15 中发现了自转周期分别为 1.9 秒和 3.9 秒的两颗长周期脉冲星，分别命名为 M15K 和 M15L。M15L 也是目前发现的球状星团中自转周期最长的脉冲星。

论文通讯作者、FAST 首席科学家李菂表示：「这一发现揭示了球状星团脉冲星的一种新的演化路径。FAST 正在系统性地改变我们对于球状星团脉冲星的认识。」

这一突破性发现于 4 月 18 日作为封面文章发表于知名学术期刊《中国科学：物理学 力学 天文学》 （SCIENCE CHINA Physics,Mechanics & Astronomy）上。

研究团队还进一步分析了这两颗脉冲星的物理性质，发现它们的磁场也比较强。「脉冲星在吸积过程中可能会弱化其磁场，它们的强磁场也进一步表明它们仅经历了短暂的双星吸积过程。」论文第一作者周登科表示。

运用这样的搜索方案，研究团队又继续挖掘到了 13 颗长周期脉冲星。这些发现补全了球状星团长周期脉冲星搜索的缺失环节，对于理解球状星团中脉冲星的分类以及星族演化具有重要意义。

从数据中挖掘规律

在此次研究中，团队处理了中国天眼 FAST 从 2019 年到 2022 年约 90 小时、总计约 50TB 的观测数据。

从这些原始观测数据到最终证认出脉冲星，要经历消色散、参数设定、消干扰、去红噪声、周期搜索、候选体筛选、交叉验证、计时分析等若干步骤，涉及到大量数据处理工作以及对计算资源的消耗。

首先是消色散环节。脉冲星信号在传播过程中由于受到星际介质的影响会发生色散，导致高频信号比低频信号先到达地球，为了将不同频率的信号叠加得到高信噪比的脉冲信号，在数据处理中首先需要进行消色散工作。

「之江实验室天文计算团队对消色散软件进行了优化，使得数据处理效率提升了数倍。」周登科表示。

消色散只是第一步，更耗时耗力的是后续的候选体筛选环节。

在经过参数估计、折叠算法进行搜索之后，会得到大量的候选体结果图，研究人员要靠肉眼识别结果图是否符合脉冲星的信号特征。

「一个小时的观测可能就会有数万张候选体图片，要从这么多图片中分辨出非常微弱的信号，是非常难的事情。」周登科说道。而利用天文计算研究中心自研的 AI 视觉模型方法，能够对候选体信息进行高效筛选，可将需要人工介入筛选的候选体数量降低三个数量级。

「现今天文领域数据量巨大，处理起来非常耗时。利用 AI 算法等智能计算技术辅助处理这些数据，可以让我们从繁重的数据分析中解放出来，将更多精力投入到理解数据背后的物理图像中，大大提高科研效率。」周登科表示。

智能计算已经成为周登科科研工作中必不可少的工具，在下一步的研究中，他计划修正双星多普勒效应后再搜索球状星团中的长周期脉冲星，以提升搜索的完备性，并通过训练甄别多普勒效应相位漂移图像的 AI 模型，提升计算速度，加速整个搜索过程。

「天文学家的工作就是试图从天文观测数据分析中发现或验证自然的基本规律。在没有现代计算工具的时代，以开普勒为代表的天文学家便从大量的天文观测数据中总结出了行星运动规律。我们现在可以利用大型计算集群与智能计算方法，科研效率大大提升。例如，此次的新发现带来独特的样本，可以帮助理解星族多路径演化历史。还可以利用多颗脉冲星的参数约束相关球状星团中心天体引力势和质量。我们希望能像开普勒一样，利用大型计算集群与智能计算技术从数据中发掘更基本的自然规律。」 周登科说道。

本文来自微信公众号“机器之心”