تحقیقات قبلی در مورد ادغام سیاهچالهها بر ریاضیات خطی برای مدل‌سازی رفتار این امواج، با این فرض که آنها با یکدیگر برهم‌کنش ندارند، متکی بود. با این حال، یک تحلیل اخیر عمیق‌تر به این برخورد‌ها پرداخته است و اثرات غیرخطی را در رفتار امواج گرانشی کشف کرده است.
به نقل از وبگاه (سای تک دیلی)، هنگامی که دو سیاهچاله با هم ادغام می‌شوند و سیاهچاله بزرگتری را تشکیل می‌دهند، اختلالات شدیدی در بافت فضا-زمان ایجاد می‌کنند و امواج گرانشی تولید می‌کنند که به سمت بیرون منتشر می‌شوند. تحقیقات قبلی در مورد ادغام سیاهچالهها بر ریاضیات خطی برای مدل‌سازی رفتار این امواج، با این فرض که آنها با یکدیگر برهم‌کنش ندارند، متکی بود. با این حال، یک تحلیل اخیر عمیق‌تر به این برخورد‌ها پرداخته است و اثرات غیرخطی را در رفتار امواج گرانشی کشف کرده است.
کیف میتمن، دانشجوی فارغ التحصیل کالتک که با سائول توکولسکی (دکتری ۷۴)، پروفسور رابینسون اخترفیزیک نظری در کلتک با یک قرار ملاقات مشترک در دانشگاه کرنل، می‌گوید: اثرات غیرخطی آن‌چه اتفاق می‌افتد، زمانی است که امواج روی تاج ساحل می‌افتند و تصادف می‌کنند.
او می‌افزاید: امواج به جای اینکه خود به خود سوار شوند، بر یکدیگر تأثیر می‌گذارند و بر یکدیگر تأثیر می‌گذارند. با چیزی به خشونتی مانند ادغام سیاهچاله، ما انتظار این اثرات را داشتیم، اما تا به حال آنها را در مدل‌های خود ندیده بودیم. روش‌های جدید برای استخراج شکل موج‌ها از شبیه‌سازی‌های ما، دیدن غیرخطی‌ها را ممکن کرده است.
این تحقیق که در مجله Physical Review Letters منتشر شده است، توسط تیمی از محققان در Caltech، دانشگاه کلمبیا، دانشگاه می‌سی سی پی، دانشگاه کورنل و موسسه فیزیک گرانشی ماکس پلانک انجام شده است.
در آینده، مدل جدید را می‌توان برای کسب اطلاعات بیشتر در مورد برخورد‌های واقعی سیاهچاله استفاده کرد که به طور معمول توسط LIGO (رصدخانه امواج گرانشی تداخل سنج لیزری) از زمانی که در سال ۲۰۱۵ با اولین تشخیص مستقیم امواج گرانشی از تاریخ ثبت شد، مشاهده می‌شود.
LIGO در اواخر سال جاری پس از دریافت مجموعه‌ای از به‌روزرسانی‌ها که آشکارساز‌ها را نسبت به امواج گرانشی حساس‌تر از قبل می‌کند، دوباره فعال می‌شود.
میتمن و همکارانش بخشی از تیمی به نام همکاری فضایی شبیه سازی eXtreme یا SXS هستند. پروژه SXS که توسط Teukolsky با همکاری Kip Thorne برنده جایزه نوبل (BS ‘۶۲)، استاد فیزیک نظری، Emeritus، در Caltech تأسیس شد، از ابررایانه‌ها برای شبیه‌سازی ادغام سیاهچالهها استفاده می‌کند.
ابرکامپیوتر‌ها با استفاده از معادلات نظریه نسبیت عام آلبرت انیشتین، چگونگی تکامل سیاهچالهها را هنگام ادغام مارپیچی و ادغام آنها، مدل می‌کنند. در واقع، توکولسکی اولین کسی بود که نحوه استفاده از این معادلات نسبیت را برای مدل‌سازی فاز «رینگ‌پایین» برخورد سیاهچاله، که درست پس از ادغام دو جرم عظیم رخ می‌دهد، درک کرد.
توکولسکی می‌گوید: برای محاسبه دقیق کل سیگنال، به ابررایانه‌ها نیاز است: الهام گرفتن دو سیاهچاله در حال گردش، ادغام آنها و ته‌نشین شدن به یک سیاهچاله باقی‌مانده. درمان خطی مرحله استقرار موضوع پایان نامه دکترای من تحت نظر کیپ مدتی پیش بود. درمان غیرخطی جدید این فاز امکان مدل‌سازی دقیق‌تر امواج و در نهایت آزمایش‌های جدیدی را در مورد اینکه آیا نسبیت عام در واقع نظریه صحیح گرانش برای سیاهچالهها است یا خیر، می‌دهد.
شبیه‌سازی‌های SXS در شناسایی و شناسایی نزدیک به ۱۰۰ فروپاشی سیاه‌چاله‌ای که تاکنون توسط LIGO شناسایی شده‌اند، مفید بوده‌اند. این مطالعه جدید نشان دهنده اولین باری است که تیم اثرات غیرخطی را در شبیه‌سازی فاز ringdown شناسایی کرده است.
میتمن می‌گوید: تصور کنید دو نفر روی ترامپولین هستند. اگر آنها به آرامی می‌پرند، نباید آنقدر روی طرف مقابل تأثیر بگذارند. این چیزی است که وقتی می‌گوییم یک نظریه خطی است اتفاق می‌افتد. اما اگر یک نفر با انرژی بیشتری شروع به جهش کند، ترامپولین دچار اعوجاج می‌شود و شخص دیگر شروع به احساس نفوذ او می‌کند. منظور ما از غیرخطی این است: دو نفر در ترامپولین به دلیل حضور و تأثیر شخص مقابل، نوسانات جدیدی را تجربه می‌کنند.
از نظر گرانشی، این بدان معنی است که شبیه سازی‌ها انواع جدیدی از امواج را تولید می‌کنند. میتمن می‌گوید: اگر زیر امواج بزرگ عمیق‌تر حفاری کنید، موج جدیدی با فرکانس منحصربه‌فرد پیدا خواهید کرد.
در تصویر کلی، این شبیه‌سازی‌های جدید به محققان کمک می‌کند تا برخورد‌های سیاه‌چاله‌های آینده مشاهده‌شده توسط LIGO را بهتر توصیف کنند و نظریه نسبیت عام اینشتین را بهتر آزمایش کنند.
ماکارنا لاگوس از دانشگاه کلمبیا می‌گوید: این گام بزرگی در آماده‌سازی ما برای مرحله بعدی تشخیص امواج گرانشی است که درک ما از گرانش را در این پدیده‌های باورنکردنی که در دوردست‌های کیهان رخ می‌دهند، عمیق‌تر می‌کند.
