Khóa luận: Lập trình phân tích phổ hồng ngoại PAH môi trường sao

Khóa luận vật lý: Lập trình phân tích phổ hồng ngoại phân tử, mô phỏng môi trường sao. Nghiên cứu chuyên sâu về cấu trúc và tính chất vật lý.

• Tác giả: Nguyễn Đức Tuyến
• Người hướng dẫn: Ts. Cao Anh Tuấn
• Trường học: Trường Đại Học Sư Phạm Thành Phố Hồ Chí Minh
• Chuyên ngành: Vật Lý Học
• Đề tài: Lập Trình Phân Tích Phổ Hồng Ngoại Của Phân Tử Tương Tự Môi Trường Xung Quanh Sao
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2015
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Môi trường giữa các sao
• 1.1.1. Môi trường ion Hydrô HII
• 1.2. Đường cong suy giảm ánh sáng
• 1.3. Phổ phát xạ của những hạt bụi
• 2. Phân tích phổ
• 2.1. Giới thiệu sơ lược về Mathematica
• 2.2. Mục dich việc sử dụng Mathemaitica
• 2.3. Ứng dụng
• 2.4. Bắt đầu một Notebook
• 2.5. Khai báo thông số ban đầu
• 2.6. Khai báo hàm mẫu cho từng vùng
• 2.7. Tính và vẽ đồ thị
• 2.8. Kết quả phân tích phổ
• 3. Tổng Quan

Tóm tắt

I. Hướng dẫn phân tích phổ hồng ngoại PAH bằng lập trình A Z

Phân tích phổ hồng ngoại PAH bằng lập trình là một phương pháp hiện đại, kết hợp sức mạnh của khoa học dữ liệu và hóa học phân tích để giải mã cấu trúc phức tạp của các hợp chất thơm đa vòng (PAH). Kỹ thuật này không chỉ giới hạn trong nghiên cứu vật lý thiên văn về môi trường giữa các sao (ISM), mà còn có ứng dụng rộng rãi trong khoa học môi trường, hóa dầu và vật liệu. Về cơ bản, phương pháp này sử dụng các thuật toán máy tính để tự động hóa quá trình xử lý và phân tích dữ liệu từ quang phổ hồng ngoại FTIR. Thay vì phân tích thủ công tốn thời gian và dễ sai sót, việc áp dụng lập trình Python cho hóa học hoặc các ngôn ngữ khác như Mathematica cho phép xử lý hàng loạt bộ dữ liệu lớn, thực hiện các phép toán phức tạp như khớp đỉnh (peak fitting), hiệu chỉnh đường nền (baseline correction), và làm mịn phổ (smoothing) một cách chính xác và lặp lại được. Cách tiếp cận này mở ra khả năng phân tích định tính và định lượng ở mức độ sâu hơn, giúp các nhà khoa học trích xuất thông tin giá trị về các dao động phân tử và nhận dạng nhóm chức, từ đó suy ra cấu trúc và sự tiến hóa của các phân tử PAH trong những điều kiện khác nhau. Nghiên cứu của Nguyễn Đức Tuyến (2015) đã chứng minh hiệu quả của việc sử dụng Mathematica để phân tích tự động, cho kết quả tương đồng với các phần mềm chuyên dụng như Origin nhưng tiết kiệm thời gian đáng kể.

1.1. Hiểu đúng về quang phổ hồng ngoại FTIR và hợp chất PAH

Quang phổ hồng ngoại biến đổi Fourier (FTIR) là một kỹ thuật phân tích cốt lõi dựa trên sự tương tác của bức xạ hồng ngoại với vật chất. Khi một phân tử hấp thụ năng lượng hồng ngoại, các liên kết hóa học bên trong nó sẽ dao động ở các tần số cụ thể. Phổ kế FTIR ghi lại một biểu đồ về độ hấp thụ hoặc độ truyền qua theo số sóng (cm⁻¹), tạo ra một "dấu vân tay" phân tử độc nhất, đặc biệt là trong vùng vân tay (fingerprint region). Trong khi đó, Hợp chất thơm đa vòng (PAH) là một lớp các hợp chất hữu cơ chứa các vòng benzen liên hợp, được tìm thấy rộng rãi trong môi trường giữa các sao, sản phẩm cháy và dầu mỏ. Việc phân tích chúng rất quan trọng do các đặc tính vật lý, hóa học và tác động môi trường. Phổ hồng ngoại của PAH rất đặc trưng với các đỉnh hấp thụ gây ra bởi dao động của liên kết C-H và C=C trong vòng thơm, cung cấp thông tin quý giá về cấu trúc và thành phần của chúng.

1.2. Lợi ích vượt trội khi tự động hóa phân tích bằng code

Việc tự động hóa phân tích phổ hồng ngoại bằng lập trình mang lại nhiều lợi thế so với phương pháp thủ công. Thứ nhất, nó đảm bảo tính nhất quán và khả năng tái lặp. Các thuật toán thực hiện các bước xử lý theo cùng một cách cho mọi mẫu, loại bỏ sự chủ quan của người phân tích. Thứ hai, hiệu quả về thời gian là rất lớn, đặc biệt khi làm việc với hàng trăm hoặc hàng nghìn phổ. Một đoạn script có thể xử lý toàn bộ bộ dữ liệu trong vài phút, một công việc có thể mất hàng tuần nếu làm thủ công. Thứ ba, lập trình cho phép áp dụng các phương pháp xử lý tín hiệu quang phổ và chemometrics nâng cao, chẳng hạn như phân tích thành phần chính (PCA) hay hồi quy bình phương tối thiểu riêng phần (PLS), điều mà các phần mềm đồ họa thông thường khó thực hiện. Cuối cùng, nó cung cấp sự linh hoạt tối đa để tùy chỉnh quy trình phân tích cho phù hợp với các yêu cầu nghiên cứu cụ thể.

II. Các thách thức trong xử lý tín hiệu quang phổ PAH thủ công

Mặc dù phân tích phổ hồng ngoại PAH là một kỹ thuật mạnh mẽ, việc xử lý dữ liệu thô thường đối mặt với nhiều thách thức làm ảnh hưởng đến độ chính xác của kết quả. Dữ liệu phổ thực nghiệm hiếm khi hoàn hảo; chúng thường chứa nhiễu (noise) từ thiết bị và sự trôi đường nền (baseline drift) do tán xạ hoặc các yếu tố khác. Việc xử lý thủ công các vấn đề này đòi hỏi kinh nghiệm và thường mang tính chủ quan. Một thách thức lớn khác là sự chồng chập của các đỉnh phổ. Trong các hỗn hợp phức tạp như mẫu PAH, các đỉnh hấp thụ từ các dao động phân tử khác nhau có thể chồng lấn lên nhau, gây khó khăn cho việc phân tích định tính và định lượng chính xác. Việc tách các đỉnh chồng chập này bằng tay không chỉ tốn thời gian mà còn dễ dẫn đến sai số lớn. Hơn nữa, việc xác định chính xác diện tích đỉnh, một thông số quan trọng để định lượng, trở nên phức tạp khi đường nền không phẳng. Những thách thức này nhấn mạnh sự cần thiết của một phương pháp xử lý tín hiệu quang phổ có hệ thống và tự động, điều mà lập trình phân tích phổ có thể giải quyết một cách hiệu quả.

2.1. Vấn đề nhiễu và hiệu chỉnh đường nền baseline correction

Nhiễu tín hiệu là một yếu tố không thể tránh khỏi trong đo lường quang phổ, có thể che khuất các đỉnh hấp thụ yếu và làm sai lệch hình dạng đỉnh. Làm mịn phổ (smoothing) bằng các thuật toán như Savitzky-Golay là một bước tiền xử lý quan trọng. Tuy nhiên, thách thức lớn hơn là hiệu chỉnh đường nền (baseline correction). Đường nền bị cong hoặc nghiêng có thể làm tăng hoặc giảm một cách giả tạo cường độ và diện tích của các đỉnh, dẫn đến kết quả định lượng sai lệch nghiêm trọng. Các phương pháp hiệu chỉnh thủ công thường không nhất quán. Ngược lại, các thuật toán lập trình như Asymmetric Least Squares (AsLS) hoặc các phương pháp đa thức có thể tự động xác định và loại bỏ đường nền một cách khách quan và có thể lặp lại trên toàn bộ bộ dữ liệu.

2.2. Khó khăn trong việc nhận dạng nhóm chức và định lượng

Việc nhận dạng nhóm chức dựa vào vị trí các đỉnh trên phổ hấp thụ hồng ngoại. Tuy nhiên, sự chồng chéo giữa các đỉnh, ví dụ như giữa các loại dao động C-H của vòng thơm và mạch nhánh (aliphatic), có thể gây nhầm lẫn. Tách các đỉnh này đòi hỏi các mô hình toán học, chẳng hạn như khớp một chuỗi các hàm Gaussian hoặc Lorentzian vào vùng phổ quan tâm. Đây là một nhiệm vụ rất khó khăn nếu thực hiện thủ công. Đối với phân tích định lượng, định luật Beer-Lambert yêu cầu đo lường chính xác diện tích hoặc chiều cao đỉnh. Khi các đỉnh chồng chập và đường nền không ổn định, việc xác định các giá trị này trở nên không đáng tin cậy. Một quy trình phân tích dữ liệu khoa học được lập trình có thể giải quyết vấn đề này bằng cách khớp toàn bộ vùng phổ, từ đó tính toán diện tích của từng thành phần một cách chính xác hơn.

III. Phương pháp lập trình phân tích phổ PAH từng bước chi tiết

Quy trình phân tích phổ hồng ngoại PAH bằng lập trình có thể được chia thành các bước logic và có hệ thống. Trọng tâm của phương pháp này là biến dữ liệu phổ thô thành các thông tin hóa học có ý nghĩa thông qua một chuỗi các thao tác tính toán. Luận văn của Nguyễn Đức Tuyến (2015) đã trình bày một quy trình mẫu sử dụng phần mềm Mathematica, tập trung vào việc khớp các hàm Gauss để phân rã phổ thành các đỉnh thành phần. Cách tiếp cận này có thể được khái quát hóa và áp dụng bằng các công cụ mạnh mẽ hơn như Python với các thư viện NumPy, SciPy, Pandas. Bước đầu tiên luôn là nhập và cấu trúc hóa dữ liệu. Tiếp theo là giai đoạn tiền xử lý, bao gồm làm mịn phổ (smoothing) và quan trọng nhất là hiệu chỉnh đường nền (baseline correction). Sau khi phổ đã được làm sạch, bước cốt lõi là mô hình hóa và khớp đỉnh (peak fitting), nơi các thông số như vị trí, chiều cao và độ rộng của mỗi đỉnh được xác định. Cuối cùng, kết quả được trực quan hóa bằng Matplotlib hoặc các công cụ tương tự và các thông số định lượng được trích xuất để phân tích sâu hơn.

3.1. Import và tiền xử lý dữ liệu phổ với thư viện chuyên dụng

Bước đầu tiên là đọc dữ liệu phổ từ các file (thường là .txt, .csv, hoặc .jdx) vào môi trường lập trình. Trong Python, thư viện Pandas là công cụ lý tưởng để đọc dữ liệu dạng bảng và lưu trữ nó trong một cấu trúc DataFrame, với một cột cho số sóng và một cột cho độ hấp thụ. Sau khi nhập, các bước tiền xử lý được áp dụng. Thư viện SciPy cung cấp các hàm mạnh mẽ cho việc này, ví dụ scipy.signal.savgol_filter để làm mịn phổ và giảm nhiễu. Đối với hiệu chỉnh đường nền, có thể triển khai các thuật toán từ đơn giản (trừ đa thức) đến phức tạp (ví dụ: IModPoly, airPLS) để đảm bảo các đỉnh phổ xuất phát từ một đường nền phẳng ở mức zero, một điều kiện tiên quyết cho phân tích định lượng chính xác.

3.2. Kỹ thuật khớp đỉnh phổ peak fitting bằng hàm Gaussian

Đây là trái tim của việc phân tích phổ hồng ngoại PAH. Giả định rằng mỗi đỉnh hấp thụ có thể được mô tả bằng một hàm toán học, phổ biến nhất là hàm Gauss hoặc Lorentz. Toàn bộ một vùng phổ được mô hình hóa như là tổng của nhiều hàm như vậy. Nhiệm vụ của chương trình là tìm ra các tham số (biên độ, vị trí trung tâm, độ rộng) của mỗi hàm thành phần sao cho tổng của chúng khớp nhất với dữ liệu thực nghiệm. Trong tài liệu tham khảo, lệnh NonlinearModelFit của Mathematica được sử dụng để thực hiện công việc này một cách tự động. Trong hệ sinh thái Python, các hàm như scipy.optimize.curve_fit hoặc các thư viện chuyên dụng như lmfit cung cấp chức năng tương tự, cho phép khớp các mô hình phức tạp với dữ liệu và ước tính sai số của các tham số tìm được. Kết quả của bước này là một bảng các thông số định lượng cho mỗi đỉnh riêng lẻ.

IV. Bí quyết phân tích định lượng PAH bằng Chemometrics và code

Khi việc khớp từng đỉnh riêng lẻ trở nên quá phức tạp hoặc không thể thực hiện do sự chồng chập nghiêm trọng, các phương pháp chemometrics (Hóa học đo lường) trở thành công cụ không thể thiếu. Thay vì phân tích từng đỉnh, các kỹ thuật này xem xét toàn bộ vùng phổ như một vector dữ liệu và sử dụng các phương pháp thống kê đa biến để tìm ra các mối quan hệ ẩn. Đây là một bước tiến vượt bậc trong phân tích dữ liệu khoa học, cho phép xây dựng các mô hình dự đoán mạnh mẽ. Lập trình phân tích phổ là điều kiện cần để áp dụng các kỹ thuật này một cách hiệu quả. Các thư viện học máy trong phân tích phổ như Scikit-learn trong Python cung cấp các công cụ đã được xây dựng sẵn để triển khai phân tích thành phần chính (PCA) và hồi quy bình phương tối thiểu riêng phần (PLS), hai trong số các thuật toán chemometrics phổ biến nhất. Cách tiếp cận này đặc biệt hữu ích cho việc phân loại mẫu và xây dựng các mô hình hiệu chuẩn để dự đoán nồng độ PAH trong các mẫu chưa biết.

4.1. Ứng dụng phân tích thành phần chính PCA để phân nhóm

Phân tích thành phần chính (PCA) là một kỹ thuật học không giám sát dùng để giảm chiều dữ liệu. Trong phân tích phổ, mỗi phổ có thể được coi là một điểm trong không gian nhiều chiều (với mỗi số sóng là một chiều). PCA tìm ra các "thành phần chính", là các hướng có phương sai lớn nhất trong dữ liệu. Bằng cách chiếu dữ liệu lên một vài thành phần chính đầu tiên, ta có thể trực quan hóa bộ dữ liệu trong không gian 2D hoặc 3D. Các mẫu có đặc điểm quang phổ tương tự nhau sẽ nhóm lại gần nhau trên biểu đồ PCA score plot. Điều này cực kỳ hữu ích để phát hiện các mẫu ngoại lai, xác định các nhóm mẫu tự nhiên, hoặc khám phá các xu hướng biến đổi trong dữ liệu, ví dụ như sự thay đổi của phổ PAH theo thời gian chiếu xạ.

4.2. Xây dựng mô hình hồi quy PLS để dự đoán nồng độ PAH

Hồi quy bình phương tối thiểu riêng phần (PLS) là một kỹ thuật học có giám sát, được sử dụng rộng rãi để xây dựng các mô hình hiệu chuẩn định lượng. Phương pháp này tìm ra mối quan hệ tuyến tính giữa ma trận dữ liệu phổ (biến độc lập X) và ma trận nồng độ của các chất phân tích (biến phụ thuộc Y). PLS rất hiệu quả khi số lượng biến (số sóng) lớn hơn nhiều so với số lượng mẫu và khi các biến có sự tương quan cao với nhau, điều thường thấy trong dữ liệu quang phổ. Bằng cách huấn luyện mô hình trên một tập hợp các mẫu đã biết nồng độ, mô hình PLS có thể được sử dụng để dự đoán nồng độ PAH trong các mẫu mới chỉ từ phổ hấp thụ hồng ngoại của chúng. Đây là nền tảng của việc phân tích định lượng nhanh chóng và không phá hủy mẫu.

V. Kết quả thực tiễn Phân tích sự tiến hóa của phân tử PAH

Ứng dụng thực tiễn của việc phân tích phổ hồng ngoại PAH bằng lập trình được thể hiện rõ ràng trong nghiên cứu về sự tiến hóa của các phân tử hữu cơ dưới tác động của các yếu tố bên ngoài, chẳng hạn như chiếu xạ ion. Nghiên cứu của Nguyễn Đức Tuyến (2015) đã sử dụng phương pháp khớp đỉnh tự động để phân tích một loạt phổ của các hạt nano PAH được tạo ra trong phòng thí nghiệm và sau đó bị chiếu xạ với cường độ tăng dần. Bằng cách tính toán diện tích của các đỉnh Gauss tương ứng với các loại liên kết hóa học khác nhau, nghiên cứu đã có thể theo dõi sự thay đổi cấu trúc phân tử một cách định lượng. Các kết quả cho thấy một xu hướng rõ ràng: dưới tác động của chiếu xạ, các phân tử có xu hướng chuyển hóa từ cấu trúc mạch thẳng (aliphatic) sang cấu trúc mạch vòng (aromatic). Phương pháp lập trình cho phép tự động tính toán và vẽ đồ thị các tỷ lệ diện tích đỉnh, chẳng hạn như tỷ lệ giữa đỉnh C-H thơm và C-H béo, cung cấp bằng chứng trực quan và thuyết phục cho quá trình thơm hóa (aromatization) này.

5.1. Đánh giá sự chuyển hóa mạch thẳng thành mạch vòng aromatic

Một trong những kết quả quan trọng nhất thu được từ việc phân tích phổ PAH tự động là khả năng theo dõi quá trình chuyển hóa cấu trúc. Cụ thể, nghiên cứu đã so sánh diện tích tích phân của các đỉnh đặc trưng cho các liên kết C-H trong nhóm béo (aliphatic, ví dụ CH₂ và CH₃) với các đỉnh của liên kết C-H trên vòng thơm. Kết quả cho thấy khi cường độ chiếu xạ tăng, tỷ lệ diện tích đỉnh (aromatic/aliphatic) tăng lên một cách rõ rệt. Điều này chứng tỏ rằng các chuỗi carbon mạch hở đang dần đóng vòng và loại bỏ hydro để tạo thành các cấu trúc hợp chất thơm đa vòng bền vững hơn. Việc tự động hóa phân tích cho phép thực hiện tính toán này trên toàn bộ bộ dữ liệu một cách nhanh chóng, vẽ nên một bức tranh động về sự tiến hóa hóa học của vật chất.

5.2. Theo dõi thay đổi liên kết C H và C C qua phổ hấp thụ

Ngoài việc theo dõi quá trình thơm hóa, phương pháp này còn cho phép phân tích chi tiết sự thay đổi của các loại liên kết cụ thể. Ví dụ, sự suy giảm của các đỉnh liên quan đến dao động của liên kết đơn C-C và C-H trong các nhóm aliphatic, cùng với sự gia tăng cường độ của các đỉnh liên quan đến dao động của liên kết đôi C=C trong vòng thơm, đã được quan sát. Luận văn gốc cho thấy các đồ thị tương quan, ví dụ như sự giảm của đỉnh C=C ở 1600 cm⁻¹ khi phân tử bị thơm hóa, hoặc sự thay đổi tỷ lệ giữa các đỉnh olefinic và aliphatic. Những phân tích chi tiết này chỉ có thể thực hiện hiệu quả nhờ khả năng phân rã chính xác các vùng phổ hấp thụ hồng ngoại chồng chập thành các đỉnh thành phần riêng lẻ thông qua lập trình phân tích phổ.

Trích đoạn nội dung tài liệu

Chương 1: TONG QUAN 1. M6i trường giữa các sao Giữa các sao là môi trường vật chất. đây là nơi các sao hình thành, tiền hóa va chết đi. Nhờ vảo quan sát của Hartmann năm 1904, khi ông quan sát sao đôi ở that lưng của chòm sao Orion.

Ông đã thu được vạch hap thụ 3934A. Vach hap thụ nay không thay đổi vào vị tri của các sao đôi, bước sóng luôn cổ định. chứng tỏ không phải gây ra bởi khi quyền của sao. sau đỏ ông két luận vạch phỏ bị gây ra bởi đám khi ngoài sao đôi được quan sát.

sự tồn tại của vật chat giữa các sao được chứng tỏ bởi Robert Trumpler vào những năm 1930. Anh sáng từ những đám sao xa bị mờ đi theo phương truyền. điều này chỉ có thé giải thích bằng sự tồn tại môi trường. môi trường này đã hap thụ ánh sáng và tán xạ ánh sáng.

Hiện tượng này được gọi la hiện tượng suy giảm ánh sáng. Môi trường ISM bao xung quanh khoảng không giữa các sao. Môi trường chiếm hết không gian của một thiên ha, với cau trúc không gian rộng lớn, tir vài đơn vị thiên văn (AU ~ 10!em) đến hằng triệu parsec (PC ~ 10?'em). Mật độ của môi trường rất loãng và thay đổi.

Tùy vào từng vùng, mật độ có thé thay đổi từ 0,1 nguyên tử đến 10° nguyên tử trên cm’. Môi trường ISM bị chiếu xạ bởi các sao, tia vũ trụ, và những tương tác bởi sóc, bởi từ trường, bởi trường hap dẫn và sự nhiễu loạn. Khối lượng tổng cộng của ISM vào khoảng 5% khối lượng tất ca các sao, vào khoảng 0.5% khối lượng của Thiên hà. Môi trường ISM chủ yếu bao gồm thành phần khí (98%) va bụi (2%).

Trong đỏ khi chứa 70% Hydrô, 28% Heli về khôi lượng. Bụi bao gồm các thành phan nặng như: C. Si, S va Fe. Các pha của môi trường ISM Môi trường ISM không đồng nhất.

Ta có thể xem môi trường ISM gồm nhiều thành phan và pha. chúng khác nhau bởi nhiệt độ. mật độ và trạng thái của hydrô: ion hóa. nguyên tứ hay phân tử.

Moi trường ISM thường ở trang thái: dam may lạnh và đặc trộn lan trong đám mây nỏng nhưng loãng. Môi trường có bao gồm những thành phản cụ thể như: - Môi trường phân tán: vùng ion hóa rất nóng. ion hóa nóng vả trung hòa nóng. vùng trung hòa lạnh.

- Môi trường phân tử. - Môi trường ion hydrô HII. Môi trường phân tán Môi trường ion hóa rất nóng: đây là pha đầu tiên của toản bộ môi trường ISM. Mật độ rất thấp, chiếm tí lệ khối lượng rat nhỏ, nhưng rất nóng va ion hóa bởi sóng sốc gây ra bởi vụ nd supemova, cỏ nhiệt độ rất lớn đến hang triệu độ.

Môi trường ion hóa nóng và trung hòa nóng: pha nảy chiếm vùng thé tích khoảng 15%, loãng, nó tạo ra một it vùng nguyên tử hydrô. Pha này còn gọi là môi trường ion hóa ấm, tồn tại ở bên ngoài cùng của đám mây ISM. Môi trường trung hòa lạnh: đây là pha lạnh nhất va đậm đặc nhất của ISM, chiếm giữ phan lớn khối lượng nhưng chỉ phần nhỏ thể tích. Môi trường này tồn tại ở bên trong đám mây loãng, không bị các bức xạ ion hóa chiếu đến.

Môi trường ion hydrô HII Xung quanh những sao nóng loại O hay B, hình thành một môi trường rất nóng và ion hóa cao. Dưới tác động của bức xạ tử ngoại từ các sao nên hydrô bị ion hóa rất mạnh, kể cả oxy vả heli. Nó tạo ra một khối cầu Stormgren xung quanh sao nhờ vào sự cân bằng giữa mật độ dòng ion hóa va năng lượng kết hợp lại các điện tử electron. Theo sự phân bổ về mật độ của môi trường, có vùng ion hydrô rat dày đặc, kích cỡ như bẻ dày của thiên hà và kích thước khoảng năm ánh sáng.

Trong thực tế, vì có nhiều sao nguồn, môi trường không đồng nhất nên vùng ion hydrô thường không phải là hình cầu. Khi xa dan ra sao trung tâm. bức xạ không còn đủ mạnh đẻ ion hóa hydrô (hv<13.6eV) nhưng nó đủ để phan tách phân tử hydrô (hv>11. Một lớp bề mặt 2 được hình thành giữa vùng moi trường đậm đặc va môi trưởng ion hydrô HII, Lớp môi trường nay được gọi lả ving quang phân tách hay vũng chủ yêu là các phôton.

Dam mây phân tử Pha nay chỉ chiếm một phan nhỏ thé tích của môi trường ISM, nhưng lại giữ một phản khối lượng quan trọng gan 30%. nên mật độ rất lớn. ton tại sâu bén trong đám mây được che chắn các bức xạ sự đốt nóng của sao. Sự hình thành của đám mây phân tử như sau: đám mây phân tán co lại đưới tác dụng của khỏi lượng chỉnh nó.

mật độ trở nên cao. những hydrỏ nguyên từ biển đổi thành phản tử hydrô va trở thành đám mây phân tử. Chu trình của môi trường ISM Chu trình tiền hóa của môi trường ISM gắn liền với chu trình tiến hóa của sao. Khi co lại, đám mây ISM tạo ra những sao mới.

Các sao này sẽ tạo ra bụi vào môi trường ISM vào cuỗi đời của nó. Bụi và các hạt trải qua sự phá húy và hình thành. Sy hình thành sao từ môi trường ISM Môi trường ISM có thể tồn tại dưới dang phân tử chứa đựng trong những đảm mây đặc ở một vài điều kiện cụ thể. Đám mây phân tử đưới dạng trạng thái cân bằng: lực hap dẫn cân bằng với tổng số các thành phần các hạt chuyển động bên trong bởi nhiệt, nhiều loạn, quay và đưới tác động của từ trường.

Trong điều kiện khác, khối lượng của đám mây có thể vượt qua khối lượng giới han Jean, đám mây không còn cần bảng nữa, đám mây bị co lại và phân mảnh thành những khối nhỏ, quá trình này tiếp tục đến khi sự phân mảnh kết thúc. Mỗi đám mây phản mảnh nhỏ trở thành một tiền sao, nó tiếp tục co lại và tăng nhiệt độ. Ảnh sáng phát ra trong bước này & vùng hồng ngoại, sự co lại tiếp diễn vả lớp khí trở nên mờ hơn, can trở các photon phát ra, ngăn can quá trình nguội di. Nhiệt độ của tiền sao đạt đến hang triệu độ Kelvin và sao bắt đầu phát sáng ở vùng khả kiến.

sau đó là vùng tử ngoại. Hình thành trở lại của ISM Trong quá trình tiền hóa. sao tạo ra những thành phần nặng bởi các phản ứng hạt nhắn trong ở bên trong sao. Cho đến khí kết thúc.

sao phóng ra loạt vật chất dưới dạng gió sao hay vụ nô siêu tân tinh supernova. Ở khoảng cách đủ xa sao, nhiệt độ đủ thắp. vật chất được phóng ra sẽ kết hợp dưới dạng các nguyên tử. Trong những vùng mật độ du cao vả nhiệt độ đủ đẻ xảy ra phản ứng hạt nhân.

hạt bụi có thé được hình thành. Điều kiện thích hợp dé tạo ra bụi đó là gió sao của các sao có khôi lượng vai lần Mặt trời. những sao nặng. vả kẻ cả sự tôn tại sau vụ nỗ supernova.

[1] Vai trò quan trọng của bụi: Khi và bụi tương tác với nhau qua nhiều quá trình. Bụi trai qua các quá trình hình thành và phá hủy. Quá trình phá hủy diễn ra trong vùng mật độ thấp nơi những sóng sốc supernova và gió sao là chính. Khí va bụi tương tác lẫn nhau trong suốt quá trình tiến hóa của môi trường ISM.

Trong mỗi trường đậm đặc, bụi góp phan tạo ra các phan tử. Bé mặt của các hạt bụi nâng đỡ va đóng góp vao sự hình thành phân tử, phan có độ phân bố cao quan sat được la phân tử Hydrd. Bui cũng góp phần bảo vệ những phân tử phức tạp bằng cách hấp thụ những phôton có thể gây ra sự phá hủy các phân tử. Mặt khác, thông qua hiệu ứng quang điện.

hạt bụi chuyên một phần năng lượng của bức xạ sao thành vào các electron mang năng lượng, đây chính là nguồn năng lượng làm nóng khối khí của ISM. Byi trong môi trường ISM Khoảng 1% khối lượng của ISM dưới dạng các hạt bụi rắn. Những hạt bụi này hiện diện trong những pha khác nhau của mỏi trường ISM. Sự có mặt của các hạt bụi thể hiện qua hiệu ứng của nó đưới tác động của trường bức xạ: gây ra sự suy giảm bức xạ vùng khá kiến.

đã được phát hiện ra bởi Sir Herschel vào thế kỷ thứ 18. Sự khám phá ra bụi Những đám mây tối được quan sát và định danh lần đầu tiên bởi Sir Herschel. Ông đặc tên đó là những "lỗ trên thiên đường” vì ông nghĩ rằng những ving này thiểu các sao. và như là trống rỗng so với sự phân bé sao trong Ngân hà.

Đến một thé kỷ sau những hinh ảnh chụp của Bamard cung cắp đã chứng tỏ những vùng tối này không phai thiểu sao ma là do những đám mây giữa các sao. chúng hap thụ ánh sáng. 4 những quan sát của Trumpler vẻ sự đỏ hóa cúa các sao khi qua môi trường. điều nảy chứng t6 sự thn tại một lượng lớn những hạt nhỏ ở bên trong của các đám mây.

Những có gắng dau tiên dé xác định định lượng bụi trong đám mây tối va cũng như cấu trúc của đám may được thực hiện bởi Bok năm 1956 bang phuong phap dém sao, Cùng thời gian đỏ. sy phát hiện ra vạch pho 21 cm của nguyên tử hydrô đã đánh dau một bước quan trọng trong việc nghiên cứu đám mây xung quanh sao. Những quan sát của Liley năm 1955 chứng tỏ nguyên tử hydrô va bụi trộn lẫn một cách đồng đều. gây ra sự suy giảm ánh sáng và hydrô chiếm phan chính khối lượng của đám mây.

Đường cong suy giảm ánh sáng Những hạt bụi hấp thụ vả tán xạ những phôton mà chúng nhận được. Hắp thụ photon va tán xạ qua những hướng khác so với phương tia tới là hai cơ chế tương tác giữa điện từ trường và các hạt bụi. Hiện tượng suy giảm ánh sáng là tổng hợp của những tương tác này. Sự suy giảm ánh sáng phụ thuộc vào bước sóng được xác định bởi phương pháp của Huffman vào năm 1977.

Phương pháp thực hiện so sánh phổ của hai sao cùng kiểu phổ. cùng nhóm độ trưng. nhưng một trong 2 sao có phổ bị đỏ hóa. Độ suy giảm A; là tỉ số giữa thông lượng F(A) sau khi truyền qua một đám mây bụi và thông lượng ban đầu Fu(2).

Cap sao nhìn thấy được định nghĩa: m = -2,5logioF(A) (1.1) độ suy giảm A, được tính như sau: 4 —— 2,5l08:o FO) Fa(A) (1.2) Đường cong suy giảm thé hiện sự thay đổi của độ suy giảm A; theo bước sóng 3. Trong thực tế đường cong thường được vẽ theo sự phụ thuộc vào (1⁄2). tỉ lệ với năng lượng của photo đến. và cũng được vẽ trực tiếp theo năng lượng có đơn vị là eV.