Вселенная галактики: Современное понятие о Вселенной — урок. География, 5 класс.

«Уэбб» увидел древнейшие галактики Вселенной — они оказались необычайно яркими

19 ноября 2022
10:48

Ольга Мурая

На этих снимках, сделанных космическим телескопом JWST, запечатлены две из самых далёких галактик, видимых на сегодняшний день.

Фото NASA, ESA, CSA, T. Treu (UCLA).

Всего через 350 миллионов лет после Большого взрыва во Вселенной уже сформировались хорошо упорядоченные и удивительно яркие галактики. Учёным теперь предстоит разобраться, как это могло произойти.

Всего через несколько дней после начала научной деятельности космический телескоп НАСА имени Джеймса Уэбба (JWST) открыл астрономам великое разнообразие ранних галактик. До этого они скрывались за пределами досягаемости любых телескопов.

И в очередной раз Вселенная удивила учёных: эти ранние галактики оказались очень необычными во многих отношениях.

Всего за четыре дня анализа исследователи обнаружили две исключительно яркие галактики.

Они уже существовали примерно через 350 и 450 миллионов лет после Большого взрыва.

Более далёкая галактика под названием GLASS-z12, скорее всего, существует до сих пор.

Предыдущим рекордсменом по удалённости от Земли была галактика GN-z11, существовавшая через 400 миллионов лет после Большого взрыва.

Основываясь на предварительных расчётах, исследователи полагали, что им нужно будет изучить гораздо больший объём космоса, чтобы найти подобные галактики.

Поэтому новая исключительно яркая находка вызвала у астрономов искреннее удивление.

«От этих наблюдений просто взрывается голова. Это совершенно новая глава в астрономии. Это как археологические раскопки, где вдруг вы находите затерянный город или что-то, о чём раньше не знали. Это просто ошеломляет», — делится Паола Сантини, соавтор исследования из Римской астрономической обсерватории.

Получается, эти галактики должны были начать формироваться всего через 100 миллионов лет после Большого взрыва. Никто не ожидал, что тёмные века нашей вселенной закончатся так рано.

Эти «первобытные галактики» сильно отличаются от Млечного Пути или других крупных галактик, которые сегодня окружают нас.

Настоящую загадку для астрономов представляет чрезвычайная яркость этих ранних объектов. Это свойство бросает вызов существующим представлениям о формировании галактик. То есть их существование означает, что астрофизики не знают чего-то важного о том, что происходило в первые «моменты» жизни Вселенной.

Одно из предположений учёных состоит в том, что эти галактики могли быть очень массивными и обладать большим количеством маломассивных звезд, то есть похожими на более поздние галактики.

С другой стороны, они могут быть гораздо менее массивными и состоять из гораздо меньшего количества необычайно ярких звезд, известных как звёзды населения III.

Согласно существующей теории, такие звёзды появились во Вселенной первыми. Они были очень горячими и состояли только из первичных водорода и гелия. Более тяжёлые элементы появились лишь позднее, когда звёзды раскалились достаточно, чтобы запустились более сложные процессы ядерного синтеза.

В нашей локальной вселенной мы не видим таких чрезвычайно горячих первичных звёзд.

Есть ли в самых ранних галактиках звёзды населения III, покажут будущие спектры «Уэбба». Их соберут позднее.

Текущие оценки расстояния до двух галактик, описываемых в новом исследовании, основаны на измерении их инфракрасного излучения. В дальнейшем астрономы проведут независимую проверку этих измерений.

Новые данные дадут более точное представление о том, как свет растянулся в расширяющейся Вселенной, что позволит сделать более точные выводы об устройстве этих звёздных систем.

Кстати, есть у этого открытия и другое важное последствие: по словам авторов работы, такая яркость галактик облегчит «Уэббу» поиск других ранних галактик в дальнейших исследованиях глубокого космоса.

Работы с описанием этих открытий были опубликованы в научном журнале The Astrophysical Journal Letters.

Ранее мы писали о том, что в одной из древнейших галактик учёные подтвердили присутствие кислорода.

Больше новостей из мира науки вы найдёте в разделе «Наука» на медиаплатформе «Смотрим».

наука
космос
астрономия
Вселенная
галактики
рекорды
новости
события дня

Ранее по теме

• Расширение не по плану: «Хаббл» обнаружил нестыковку в знаниях учёных о Вселенной

• Астрономы уточнили скорость движения Солнца по просторам Галактики

• Крупнейшая галактика во Вселенной поразила астрономов размахом своих лепестков

• Впервые обнаружено «перо», соединяющее два рукава Млечного Пути

• Из спирального рукава Млечного Пути вылезла какая-то «заноза»

• Галактический фейерверк: получены новые снимки соседних с нами галактик

Звездные острова: галактики звезд и Вселенная галактик — книга

В связи с техническими работами в центре обработки данных, возможность загрузки и скачивания файлов временно недоступна.

скрыть

• Автор:

  Ефремов Ю.Н.

• Год издания:
  2005
• Место издания:
  Век 2 Фрязино
• Объём:

  272 страниц

• ISBN:
  ISBN: 5-85099-159-Х
• Аннотация:
  ПРЕДИСЛОВИЕ
  
  ВВЕДЕНИЕ
  Предвидимое будущее?
  Польза астрономии
  Физика и астрономия
  
  Глава 1. ЗВЕЗДНОЕ НЕБО
  Августовская ночь
  Имена звезд
  Звездный каталог «Альмагеста»
  Звездные каталоги
  Древняя астрономия и хронология
  История созвездий
  
  Глава 2. МИР ЗВЕЗД
  Что такое звезда
  Расстояние до Солнца
  Годичный параллакс
  Светимости и спектральные классы звезд
  Источники энергии звезд
  *) Дополнение 1
  **) Дополнение 2
  
  Глава 3. ЗВЕЗДНЫЕ ГРУППИРОВКИ
  Звездные скопления
  Эволюция звезд
  Звездные ассоциации
  Звездные комплексы
  Сверхскопления и сверхассоциации
  
  Глава 4. САМЫЕ ВАЖНЫЕ ЗВЕЗДЫ
  Светимости цефеид
  Эволюция цефеид
  Сверхновые
  Гамма-всплески
  
  Глава 5. ОТКРЫТИЕ ГАЛАКТИКИ — ОТКРЫТИЕ ВСЕЛЕННОЙ
  Вселенная Каптейна и Млечный Путь Шепли
  Великий спор-1
  Островные вселенные или единый звездный агрегат?
  Великий спор-2
  Спор решают большие телескопы
  
  Глава 6. НАША ГАЛАКТИКА — МЛЕЧНЫЙ ПУТЬ
  Вращение Галактики
  Спиральная структура
  Спиральные рукава Галактики
  Линия 21 см и около
  План Галактики
  Ядро Галактики
  
  Глава 7. БЛИЖНИЕ ГАЛАКТИКИ
  Местная группа
  Магеллановы Облака
  Звездные скопления Большого Облака
  Сверхассоциация 30 Золотой Рыбы
  Загадка звездных дуг
  Туманность Андромеды
  Звездные населения
  
  Глава 8. ЭВОЛЮЦИЯ ГАЛАКТИК
  Эллиптические галактики
  Джеты из ядер галактик
  История квазаров
  Квазары — активные ядра галактик
  Скопления галактик
  Темная материя
  Рождение галактик
  
  Глава 9. РАСШИРЕНИЕ ВСЕЛЕННОЙ
  Красное смещение
  Закон Хаббла
  Постоянная Хаббла
  К краю Вселенной
  
  Глава 10. НОВАЯ КОСМОЛОГИЯ
  Космологическая проблема
  Реликтовое излучение
  Ускорение расширения
  Сказка или быль?
  Доля барионов
  Темная энергия вакуума
  Триумф астрофизики
  Другие вселенные?
  
  Глава 11. МЫ НЕ ОДНИ?
  История поисков ВЦ
  Гибель цивилизации?
  Горизонт познания
  Объективность познания
  Окно контакта
  Носители разума
  Надежда
  
  Глава 12. ГОРИЗОНТЫ ЗНАНИЯ
  Итоги XX века
  Пределы знания
  Человек и Вселенная
  Слово о пользе науки
• Добавил в систему:
  Ефремов Юрий Николаевич

сколько галактик во вселенной?

Сколько галактик находится за пределами Млечного Пути? – Розелла, 15 лет, Гонконг

Галактика представляет собой огромное скопление газа, пыли и миллиардов звезд, связанных вместе силой гравитации. Галактики также огромны, измеряя миллиарды миллиардов километров в поперечнике.

Чтобы правильно понять, что такое галактика, мы должны начать с рассмотрения нашей собственной галактики Млечный Путь.

Наше Солнце — всего лишь одна из миллиардов других звезд, содержащихся в галактике под названием Млечный Путь. Точно так же, как Земля вращается вокруг Солнца, Солнце также вращается вокруг центра Млечного Пути.

Когда мы смотрим в ночное небо, все звезды, которые мы видим, являются частью Млечного Пути. Если вы были на улице действительно ясной темной ночью, вы, возможно, заметили тонкую нечеткую полосу звезд и света, протянувшуюся по небу. Это наша галактика Млечный Путь, если смотреть изнутри. Мы видим тонкую линию, потому что наша галактика имеет форму тонкого диска, и мы смотрим на край диска.

Любопытные дети — это сериал от The Conversation, который дает детям возможность получить ответы на свои вопросы о мире от экспертов. Если у вас есть вопрос, на который вы хотите получить ответ от эксперта, отправьте его на адрес любопытногоkids@theconversation. com и убедитесь, что вы указали имя спрашивающего, возраст и город. Мы не сможем ответить на все вопросы, но постараемся.

Если мы посмотрим в центр этого диска, мы увидим более яркую область, называемую галактическим ядром. Звезды в ядре сгруппированы гораздо ближе друг к другу и образуют форму, похожую на шар, выглядывающий из верхней и нижней части диска.

Нанеся на карту положение и движение звезд в Млечном Пути, мы можем начать строить картину того, как могла бы выглядеть наша галактика, если бы мы могли смотреть на диск сверху. Общая форма будет кругом.

Представление художника о галактике Млечный Путь, как она выглядела бы, если бы мы могли видеть ее снаружи.
НАСА/Лаборатория реактивного движения-Калифорнийский технологический институт/ESO/R. Больно, CC BY

Мы увидели бы яркое ядро, которое выглядело бы красновато-желтым, так как звезды здесь более холодные. От этого ядра отходит несколько спиральных рукавов голубоватого цвета, потому что они содержат более горячие звезды. Млечный Путь будет немного похож на водоворот.

Астрономы уверены, что наш Млечный Путь имеет спиральные рукава, потому что мы видим множество других галактик, подобных этой, когда смотрим во вселенную. Большинство других галактик, представляющих собой тонкие диски, похожие на наш Млечный Путь, также имеют извилистые спиральные рукава. Мы называем их спиральными галактиками.

Однако не каждая галактика выглядит так. Некоторые из других галактик, которые мы видим во Вселенной, выглядят как гладкие размытые овалы света, что-то среднее между баскетбольным мячом и мячом для регби. Мы называем эти галактики эллиптическими, и они в основном состоят из более холодных и красных звезд. Есть также галактики, которые вообще не имеют какой-либо определенной формы. Их называют неправильными галактиками.

Вычислить, сколько галактик во Вселенной, на самом деле довольно сложно. Многие галактики слишком слабы или малы, чтобы мы могли их легко наблюдать даже в самые мощные телескопы. Несмотря на это, астрономы придумали хитрый способ решить эту проблему. Астрономы направляли космический телескоп «Хаббл» на крошечный участок неба в течение 11,3 дня и собирали свет от галактик, как близких, так и очень далеких.

Снимок сверхглубокого поля Хаббла. На этом изображении крошечного участка неба, полученном космическим телескопом Хаббла, видно почти 10 000 отдельных галактик.
НАСА, ЕКА и С. Беквит (STScI) и группа HUDF, CC BY

Этот крошечный участок неба был полон галактик, почти 10 000, самых разных размеров и форм. Умножив это число на количество раз, когда этот крошечный участок неба поместится на все небо, астрономы получили оценку от 100 до 200 миллиардов галактик. Однако это число почти наверняка изменится, когда мы узнаем больше о нашей Вселенной в будущем.

Что мы можем узнать о Вселенной только из одной галактики?

Представьте, если бы вы могли посмотреть на снежинку на Южном полюсе и определить размер и климат всей Антарктиды. Или изучите случайно выбранное дерево в тропических лесах Амазонки и по этому одному дереву — редкому или обычному, узкому или широкому, молодому или старому — сделайте вывод о характеристиках леса в целом. Или что, если, взглянув на одну галактику из сотен миллиардов или около того в наблюдаемой Вселенной, можно было бы сказать что-то существенное о Вселенной в целом? Недавняя статья, ведущими авторами которой являются космолог, эксперт по формированию галактик и студент по имени Юпитер (который выполнил первоначальную работу), предполагает, что это может иметь место. Результат сначала показался авторам статьи «сумасшедшим». Теперь, обсудив их работу с другими астрофизиками и проведя различные «проверки работоспособности», пытаясь найти ошибки в их методах, результаты начинают казаться довольно ясными. Франсиско Вильяэскуза-Наварро, один из ведущих авторов работы, сказал: «Похоже, что галактики каким-то образом сохраняют память обо всей Вселенной».

Исследование началось как домашнее задание. Юпитер Дин, будучи первокурсником в Принстоне, написал письмо на факультет астрофизики, надеясь принять участие в исследованиях. Он упомянул, что у него есть некоторый опыт работы с машинным обучением — формой искусственного интеллекта, способной выявлять закономерности в очень больших наборах данных. Вильяэскуза-Наварро, астрофизик, специализирующийся на космологии, придумал, над чем может работать студент. Вильяэскуза-Наварро давно хотел выяснить, можно ли использовать машинное обучение для установления взаимосвязей между галактиками и Вселенной. «Я подумал: что, если бы вы могли смотреть только на тысячу галактик и из этого узнавать свойства всей вселенной? Я задался вопросом: какое наименьшее число мы могли бы рассмотреть? Что, если бы вы посмотрели только на сотню? Я подумал, хорошо, мы начнем с одной галактики».

Он не ожидал, что одна галактика даст много. Но он подумал, что для Дина было бы неплохо попрактиковаться в использовании машинного обучения в базе данных, известной как CAMELS (Космология и астрофизика с моделированием машинного обучения). Шай Генел, астрофизик, специализирующийся на формировании галактик, который является еще одним ведущим автором статьи, объяснил CAMELS следующим образом: «Мы начинаем с описания реальности вскоре после Большого взрыва. В этот момент Вселенная состоит в основном из газообразного водорода и немного гелия и темной материи. А затем, используя то, что мы знаем о законах физики, наше лучшее предположение, мы просматриваем космическую историю примерно на четырнадцать миллиардов лет». Космологические симуляции существуют уже около сорока лет, но они становятся все более изощренными и быстрыми. CAMELS содержит около четырех тысяч смоделированных вселенных. Работа с смоделированными вселенными, в отличие от наших собственных, позволяет исследователям задавать вопросы, на которые пробелы в наших наблюдательных данных не позволяют нам ответить. Они также позволяют исследователям играть с различными параметрами, такими как пропорции темной материи и газообразного водорода, чтобы проверить их влияние.

Дин работал над ВЕРБЛЮДЬЯМИ из своей комнаты в общежитии на своем ноутбуке. Он написал программы для работы с данными CAMELS , а затем отправил их в один из вычислительных кластеров университета, набор компьютеров, мощность которых была намного выше, чем у его MacBook Air. Этот вычислительный кластер содержал ВЕРБЛЮДЫ данные. Модель Дина обучалась, взяв набор смоделированных вселенных и изучив галактики внутри них. После обучения модели показывали образец галактики и просили предсказать особенности Вселенной, из которой он был взят.

Дин очень скромно говорит о своем вкладе в исследования, но он знает об астрофизике гораздо больше, чем обычно знает даже выдающийся первокурсник. Дин, средний ребенок двух сестер, вырос в Государственном колледже в Пенсильвании. В старшей школе он прошел ряд курсов астрономии на уровне колледжа в Университете штата Пенсильвания и работал над парой исследовательских проектов, связанных с машинным обучением. «Мой отец очень интересовался астрономией, когда был старшеклассником, — сказал мне Дин. — Однако он пошел другим путем. Его отец — профессор маркетинга в бизнес-школе штата Пенсильвания.

Искусственный интеллект — это общее понятие для различных дисциплин, включая машинное обучение. Известная ранняя задача машинного обучения заключалась в том, чтобы заставить компьютер распознавать изображение кошки. Это то, что легко может сделать человек, но для компьютера нет простых параметров, определяющих визуальную концепцию кошки. Машинное обучение теперь используется для обнаружения закономерностей или взаимосвязей, которые человеку почти невозможно увидеть, отчасти потому, что данные часто имеют много измерений. Программист остается капитаном, говоря компьютеру, что ему изучать, и решая, на каком вводе он обучается. Но компьютер итеративно адаптируется по мере обучения и таким образом становится автором своих собственных алгоритмов. Например, именно машинное обучение обнаружило, анализируя языковые шаблоны, предполагаемых главных авторов сообщений «Q» (предполагаемого высокопоставленного государственного чиновника, который спровоцировал теорию заговора QAnon). Также удалось определить, какие из сообщений Q были написаны Полом Фербером, южноафриканским разработчиком программного обеспечения, и Роном Уоткинсом, сыном бывшего владельца 8chan. Программы машинного обучения также применялись в здравоохранении, используя данные для прогнозирования того, какие пациенты наиболее подвержены риску падения. По сравнению с интуицией врачей, оценки, основанные на машинном обучении, сократили количество падений примерно на сорок процентов, что является огромным преимуществом для медицинского вмешательства.

Машинное обучение также способствовало развитию астрофизических исследований. Вильяэскуза-Наварро сказал: «Как сообщество мы сталкиваемся со сверхсложными проблемами уже много-много лет. Проблемы, над которыми десятилетиями работали самые умные специалисты в этой области. И изо дня в день эти проблемы решаются с помощью машинного обучения». Раньше даже создание одной смоделированной вселенной занимало очень много времени. Вы задали компьютеру какие-то начальные условия, а затем должны были ждать, пока он вычислит, что эти условия произведут через четырнадцать миллиардов лет. Конечно, на это ушло менее четырнадцати миллиардов лет, но не было никакой возможности своевременно создать большую базу данных смоделированных вселенных. Достижения в области машинного обучения ускорили эти симуляции, сделав такой проект, как ВЕРБЛЮДЫ возможно. Еще более амбициозный проект Learning the Universe будет использовать машинное обучение для создания смоделированных вселенных в миллионы раз быстрее, чем CAMELS ; Затем он будет использовать так называемый вывод на основе моделирования — вместе с реальными данными наблюдений с телескопов — чтобы определить, какие начальные параметры приводят к Вселенной, наиболее близкой к нашей.

Дин сказал мне, что одной из причин, по которой он выбрал астрономию, была близость к открытиям в этой области, которую он чувствовал еще будучи студентом. «Например, я сейчас на уроке космологии, и когда мой профессор говорит о темной материи, она говорит об этом как о чем-то, что «моя хорошая подруга Вера Рубин нанесла на карту», ​​— сказал он. «Темная энергия была обнаружена группой в Гарварде около двадцати лет назад, и я прошел там летнюю программу. Так вот, я узнаю об этом в значительной степени в местах, где это происходило». Исследование Дина привело к чему-то совершенно неожиданному. В его модели использовалась одна галактика в смоделированной вселенной, чтобы довольно точно сказать что-то об этой вселенной. Конкретная характеристика, которую он смог предсказать, называется материей Омега, что связано с плотностью Вселенной. Его значение было точно предсказано с точностью до десяти процентов.

Сначала Дин не был уверен, насколько значимы его результаты, и ему было любопытно услышать точку зрения Вильяэскуза-Наварро. Он был настроен более чем скептически. «Моей первой мыслью было: это полное безумие, я не верю в это, это работа студента, должна быть ошибка», — сказал Вильяэскуза-Наварро. «Я попросил его запустить программу несколькими другими способами, чтобы увидеть, будут ли он по-прежнему получать аналогичные результаты». Результаты состоялись.

Вильяэскуза-Наварро начал делать собственные расчеты. Его сомнения в первую очередь касались того, как работает само машинное обучение. «Одна особенность нейронных сетей заключается в том, что они прекрасно находят корреляции, но они также могут улавливать числовые артефакты», — сказал он. Параметр был неправильным? Была ли ошибка в коде? Вильяэскуза-Наварро написал свою собственную программу, чтобы задать тот же вопрос, который он задал Дину: что информация об одной галактике может сказать о вселенной, в которой она находится? Даже когда его спрашивала другая программа, написанная с нуля, ответ все равно оставался прежним. Это наводило на мысль, что в результате удалось поймать что-то реальное.

— Но мы не могли просто опубликовать это, — сказал Вильяэскуза-Наварро. «Нам нужно было попытаться понять , почему это может работать». Это работало и для маленьких галактик, и для больших галактик, и для галактик с очень разными характеристиками; только для небольшой горстки эксцентричных галактик работа не удалась. Почему?

Рецепт создания Вселенной состоит в том, чтобы начать с большого количества водорода, небольшого количества гелия, некоторого количества темной материи и некоторого количества темной энергии. Темная материя имеет массу, как и знакомая нам материя, но она не отражает и не излучает свет, поэтому мы ее не видим. Мы также не можем видеть темную энергию, но мы можем думать о ней как о работе в направлении, противоположном гравитации. Материя Вселенной посредством гравитации заставляет ее сжиматься; темная энергия Вселенной подталкивает ее к расширению.

Омега-материя — космологический параметр, описывающий количество темной материи во Вселенной. Наряду с другими параметрами он определяет, насколько расширяется Вселенная. Чем выше его значение, тем медленнее будет расти Вселенная. Одна из гипотез исследовательской группы, объясняющая их результаты, грубо говоря, заключается в том, что количество темной материи во Вселенной оказывает очень сильное влияние на свойства галактики — более сильное влияние, чем другие характеристики. По этой причине даже одна галактика может сказать что-то об Омега-материи своей родительской вселенной, поскольку Омега-материя коррелирует с тем, что можно изобразить как плотность материи, которая заставляет галактику слипаться.

В декабре Дженел, специалист по формированию галактик, представил предварительные результаты исследования группе по формированию галактик, к которой он принадлежит, в Центре вычислительной астрофизики в Нью-Йорке. «Это была действительно одна из самых забавных вещей, которые произошли со мной», — сказал он. Он сказал мне, что у любого эксперта по формированию галактик не может быть иной первой реакции, кроме как подумать: «Это невозможно». Галактика в масштабе Вселенной примерно так же существенна, как песчинка по отношению к размеру Земли. Мысль о том, что сама по себе она может сказать что-то столь существенное, для большинства астрофизического сообщества чрезвычайно удивительна, поскольку она аналогична открытию того, что каждая из наших клеток — от клетки ногтя до клетки печени — содержит код, описывающий все наше тело. (Хотя, может быть, для поэтического мышления — видеть мир в песчинке — удивительно то, что это удивительно.)

Рэйчел Сомервиль, астрофизик, присутствовавшая на выступлении, вспоминает первоначальную реакцию как «скептицизм, но уважительный скептицизм, поскольку мы знали, что это серьезные исследователи». Она помнит, как была удивлена, что этот подход даже был опробован, поскольку казалось крайне маловероятным, что он сработает. С тех пор исследователи делились своим кодированием и результатами с экспертами в этой области; результаты считаются заслуживающими доверия и убедительными, хотя сомнения самих авторов по поводу результатов остаются.

Результаты не являются «надежными» — на данный момент компьютер может делать правильные прогнозы только для того типа вселенной, на котором он был обучен. Даже в CAMELS есть две разновидности симуляций, и, если машина обучена одной разновидности, ее нельзя использовать для прогнозирования галактик в другой разновидности. Это также означает, что результаты нельзя использовать для предсказания Вселенной, в которой мы живем, — по крайней мере, пока.