نقشه ماده تاریک در کهکشان ها چه چیزی را نشان می دهد
اتصال کهکشان ها به یکدیگر
نقشه ماده تاریک در کهکشان ها چه چیزی را نشان می دهد
نقشه ماده تاریک رشته های جدیدی را نشان می دهد که کهکشان ها را به هم متصل می کند نقشه جدیدی از ماده تاریک ساخته شده با استفاده از هوش مصنوعی ، رشته های پنهان چیزهای نامرئی کهکشان ها را نشان می دهد.برای مطالعه کامل مقاله تا انتها با مجله علمی آندرومدا مگ همراه باشید.
این نقشه بر جهان محلی یعنی محله پیرامون راه شیری تمرکز دارد. دونگویی جئونگ ، فیزیکدان نجومی در دانشگاه ایالتی پنسیلوانیا و نویسنده اصلی تحقیق ، گفت: با وجود نزدیک بودن ، نقشه برداری از جهان محلی دشوار است ، زیرا پر از ساختارهای پیچیده ساخته شده از مواد قابل مشاهده است.
جئونگ به لایو ساینس گفت: “ما باید مهندس معکوس کنیم تا بدانیم که ماده تاریک با دیدن کهکشان ها ازکجا سرچشمه میگیرد.”
ماده تاریک ماده ای مرموز و نامرئی است که از طریق جاذبه با ماده قابل مشاهده تعامل می کند. برخی از محققان نظریه پردازی می کنند که این ماده نامرئی ممکن است از ذرات عظیم متقابل ضعیف یا WIMP تشکیل شده باشد که بسیار بزرگ خواهد بود (برای ذرات زیر اتمی ) و از نظر الکترومغناطیسی خنثی هستند ، به طوری که آنها با هیچ چیز در طیف الکترومغناطیسی تعامل نخواهند داشت ، مانند نور. ایده دیگر با برخی شواهد بالقوه برای حمایت از آن این است که ماده تاریک ممکن است از ذرات فوق سبک به نام آکسیون تشکیل شده باشد.
ماده تاریک هر چه باشد ، تأثیرات آن در نیروهای گرانشی نفوذ یافته در جهان قابل تشخیص است. ترسیم یک نیروی جاذبه نامرئی نیز ا آسان نیست. به طور معمول ، محققان این کار را با اجرای شبیه سازی های رایانه ای بزرگ ، با شروع یک مدل از جهان اولیه و انتقال سریع از طریق میلیاردها سال انبساط و تکامل ماده مرئی ، پر کردن جاذبه های گرانشی برای کشف اینکه ماده تاریک کجاست پروژه هایی نیر انجام شده است جئونگ نیز ، این امر به قدرت محاسباتی عمده و زمان قابل توجهی نیاز دارد.
این مطالعه جدید رویکرد دیگری دارد. محققان ابتدا یک برنامه یادگیری ماشین را در مورد هزاران شبیه سازی رایانه ای از ماده مرئی و ماده تاریک در جهان محلی آموزش دادند. یادگیری ماشینی تکنیکی است که مخصوصاً در انتخاب الگوهای مجموعه داده های بزرگ مهارت دارد. جهان مدل در این مطالعه از مجموعه شبیه سازی های پیچیده ای به نام Illustris-TNG حاصل شده است.
پس از آزمایش آموزش الگوریتم یادگیری ماشین در مجموعه دوم شبیه سازی های Illustris-TNG برای دقت بیشتر درعوامل در نظر گرفته می شود، محققان آن را در داده های دنیای واقعی به کارنیز گرفته اند. آنها از کاتالوگ کهکشان Cosmicflows-3 استفاده کردند که اطلاعات مربوط به توزیع و حرکت ماده قابل مشاهده را در 200 مگاپارسک یا 6.5 میلیارد سال نوری از راه شیری نگهداری می کند. آن منطقه شامل بیش از 17000 کهکشان است.
نتیجه ، نقشه جدیدی از ماده تاریک در جهان محلی و روابط آن با ماده مرئی بوده است. در یک یافته امیدوارکننده ، الگوریتم یادگیری ماشین بسیاری از آنچه را که قبلاً در مورد محله راه شیری شناخته شده بود یا از شبیه سازی های کیهانی مشکوک بود ، تولید کرد. اما همچنین ویژگی های جدیدی از جمله رشته های طولانی ماده تاریک را پیشنهاد می دهد که کهکشان های اطراف کهکشان راه شیری را به آن و یکدیگر متصل می کند.
جئونگ گفت ، این برای درک چگونگی حرکت کهکشان ها در طول زمان مهم است. به عنوان مثال ، انتظار می رود کهکشان راه شیری و کهکشان های آندرومدا در حدود 4.5 میلیارد سال با یکدیگر برخورد کنند. درک نقش ماده تاریک محلی در این برخورد می تواند به طور دقیق تری به چگونگی و زمان وقوع آن ادغام و سایر موارد دیگر کمک کند.
جئونگ گفت: “اکنون که توزیع ماده تاریک را شناختیم ، می توانیم شتابی که کهکشان ها را به اطراف خود حرکت می دهد را با دقت بیشتری محاسبه کنیم.”