Uno studio sostiene che la nascita delle stelle più massicce possa avvenire anche in ambienti poco affollati, dunque al di fuori di quei grandi ammassi stellari che per altri astronomi sarebbero i vivai più gettonati.
C'è un grande dibattito intorno all'origine delle stelle supermassicce, le stelle cioè che hanno una massa compresa tra le 20 e le 150 volte quella del Sole. Alcuni astronomi ritengono che la loro formazione sia possibile solo all'interno di ammassi stellari molto grandi, per altri la nascita di questi mostri è possibile praticamente in ogni angolo dell'universo, anche all'interno di ammassi stellari insignificanti e persino in completa solitudine.
A questo secondo gruppo appartengono Joel Lamb e altri tre ricercatori del Dipartimento di Astronomia dell'Università del Michigan che, per verificare la loro idea, hanno impiegato la vista acuta del telescopio spaziale Hubble osservando i dintorni di otto stelle supermassicce nella Piccola Nubedi Magellano, una galassia nana satellite della Via Lattea.
Le osservazioni hanno permesso di concludere – lo studio è stato pubblicato su Astrophysical Journal – che, entro i limiti strumentali di Hubble, cinque di quelle stelle vivono in completa solitudine mentre le altre tre sembrano appartenere a un piccolo ammasso stellare di una decina di stelle o anche meno.
La solitudine delle stelle giganti
prossimo articolo
LLM e ricerca scientifica: opportunità, rischi e controlli
Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.
Immagine di copertina realizzata con ChatGPT
Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.