Wetenschap
Verbetering van de timingprecisie van millisecondepulsars met behulp van polarisatie
Pulsar-timing maakt de strengste tests van de fundamentele natuurkunde mogelijk. Door de pulstijden van aankomst (ToAs) van een ensemble van stabiele millisecondepulsars (MSP's), bekend als een pulsar timing array (PTA), te monitoren, is het mogelijk om nanohertz-gravitatiegolven (GW's) te detecteren. Het succes van GW-detectie met PTA's vereist de hoogst mogelijke timingprecisie.
De timingprecisie van een pulsar wordt beperkt door veel geluidsbijdragen, waaronder die van de pulsar zelf, het interstellaire medium langs de gezichtslijn en het meetproces. Op korte tijdschalen wordt de ruis doorgaans gedomineerd door witte ruis, waaronder radiometerruis, jitterruis en scintillatieruis.
In een studie gepubliceerd in The Astrophysical Journal Wang Shuangqiang van het Xinjiang Astronomical Observatory (XAO) van de Chinese Academie van Wetenschappen en medewerkers gebruikten de gegevens verkregen van de Five-hundred-meter Aperture Spherical Radio Telescope (FAST) om een onderzoek naar witte ruis in MSP's uit te voeren.
P>De onderzoekers presenteerden metingen van de radiometerruis, jitterruis en scintillatieruis van 12 MSP's die deel uitmaken van het International Pulsar Timing Array-monster.
Ze ontdekten dat verschillende pulsars verschillende niveaus van jitterruis vertonen. De bijdrage van scintillatieruis is waarschijnlijk verwaarloosbaar, en jitterruis is groter dan radiometerruis, waardoor het de dominante component in witte ruis is. Daarom is het verminderen van de jitterruis belangrijk voor de detectie van GW's.
Bovendien voerden de onderzoekers een nieuwe methode uit, namelijk matrixsjabloonmatching, die ToAs genereert door alle vier Stokes-parameters te gebruiken in plaats van alleen Stokes I, om de jitterruis te verminderen.
Ze ontdekten dat de jitterruis met deze methode kan worden verminderd tussen 6,7% en 39,6%. Daarom is het matchen van matrixsjablonen een waardevolle methode om de timingprecisie in pulsars te verbeteren.
In de toekomst zal deze methode worden toegepast op een grote dataset van MSP's met FAST.