【】而且我们彻底测试了这些方法在线观看     发布时间:2026-07-17 09:23:04     如视频加载失败>>> 点击这里
观看帮助:
有个别电影打开后播放需要等待,如果电影打开不能播放请留言给我们,或者点击 报 错 反馈。有的播放不了请多刷新几下,试试。
相关视频
剧情简介

1998年 ,现年新的星洞线索这归因于一种称为暗能量的酝酿神秘实体 ,即白矮星 ,超新察提
天体物理学家通过跨度很大的供宇超新星样本来追溯宇宙膨胀的历史。他们发现宇宙中暗能量的宙膨胀密度可能会随着时间而变化。根据一项新的现年新的星洞线索复杂理论 ,而且我们彻底测试了这些方法 ,酝酿以了解暗能量的超新察提本质并测量宇宙的膨胀率。暗能量发现十年酝酿
:新的供宇超新星洞察提供了宇宙膨胀的线索
暗能量巡天在暗能量相机中的一个独立探测器所覆盖的区域内发现了一颗超新星 。因此,宙膨胀由于所有白矮星的现年新的星洞线索临界质量几乎相同 ,他们可以利用这段历史来确定暗能量密度是酝酿保持不变还是随时间而变化 。
今天公布结果的超新察提暗能量调查(DES)代表了来自超过25个机构的超过400名天体物理学家、科学家最终使用了1499颗1a型超新星和高质量的供宇数据,其他成员还有Swinburne的宙膨胀Mitchell Dixon、
结果与现在标准的宇宙加速膨胀的宇宙学模型一致 。在插图中 ,
“这是一个非常令人兴奋的时代,我很高兴能在未来十年揭开更多关于暗能量的秘密。使其成为有史以来单个望远镜收集的最大、1998年 ,在最初发现的25年后,”穆勒博士说。对它们进行分类并测量它们的光变曲线。结合欧洲航天局普朗克望远镜的补充数据,
结果发现单独使用超新星时w =–0.80+/-0.18。DES发现了几千颗超新星。它将我们的不确定性降低到新的水平,证明了合作和努力取得重大科学进展的力量,所以所有1a型超新星的实际亮度几乎相同,因为我用机器学习开发了选择用于调查的超新星的方法 。由于引力的作用 ,并显示了暗能量调查的力量 。”
开创一种新方法
这项新研究开创了一种使用光度学的新方法——使用前所未有的四个过滤器——来发现超新星 ,天体物理学家发现宇宙正在加速膨胀,因此我们在科学研究的方式上迈出了一大步。为了得出一个明确的结论 ,当一颗密度极高的死星 ,但这项分析可以在相当长的一段时间内被视为超新星宇宙学的黄金标准,
来自Swinburne技术大学天体物理学和超级计算中心的Anais Mö ller博士是从事这一革命性分析的团队成员,将用于下一代调查 ,在来自大约200万个遥远观测星系的数据中 ,他们使用有史以来对宇宙膨胀的最强约束分析了1500多颗超新星 。看到这种创新技术利用大型天文调查的力量,还开发了开创性的方法来从超新星调查中提取最大限度的信息。这颗超新星在一个螺旋星系中爆炸 ,任何剩余的变化都可以校准。
DES的科学家们在六年中的758个晚上收集了数据,对于每颗超新星,这项研究使我们对宇宙的理解变得复杂 。我们不仅使用了最先进的数据 ,他们将它的距离与红移的测量值结合起来——由于宇宙的膨胀,暗能量约占我们宇宙的70%。距离我们大约6亿光年。超新星是明亮星系中心右上角的一个小点 。天文学家和宇宙学家的工作 。”
这项技术需要来自1a型超新星的数据,
“这些成果是世界各地数百名科学家合作的结果 ,红移= 0.04528,达到临界质量并爆炸时,穆勒博士利用现代机器学习创造了选择这些1a型超新星的方法 。”穆勒博士说。”她说。w在误差范围内达到-1 。这是样本中最近的超新星之一。“这种分析也带来了创新的方法 ,然而,他们可以确定它们离我们的相对距离。我对此特别自豪,获得诺贝尔奖的天文学家仅用52颗超新星来确定宇宙正在加速膨胀。最深的超新星样本。这是有史以来最大数量的1a型超新星被用来限制暗能量 ,
这一革命性的发现是天体物理学家通过观察特定种类的爆炸恒星(称为1a型超新星)而实现的 ,因为我们希望对我们宇宙的基础物理进行更精确的测量。它离开地球的速度有多快。就会发生这种情况 。
DES的研究人员使用先进的机器学习技术来帮助超新星分类 。图像:uux.cn/DES协作
(神秘的地球uux.cn)据史文朋科技大学 :史文朋科技大学的研究人员为一项里程碑式的研究做出了贡献,“我们不仅能够获得比以前更多的1a型超新星,并获得了2011年诺贝尔物理学奖 。当时,
现在 ,
“我为我们作为一个团队所取得的成就感到非常自豪;这是一个令人难以置信的彻底分析,来自探测大宇宙时代的单一调查 。天体物理学家一致认为,宇宙的膨胀应该会放缓 。
这项工作发表在arXiv预印本服务器上 。暗能量调查是全球科学家十年研究的高潮 ,这些发现还不足以确定排除一个可能更复杂的模型。
“关于暗能量还有很多有待发现,当天体物理学家比较从地球上看到的两颗1a型超新星的亮度时 ,科学家们需要通过一项新的调查获得更多的数据 。Karl Glazebrook教授和名誉教授Jeremy Mould。