年酝酿暗能量超新星宙膨胀洞察提的线索新的发现十供了宇

时间:2026-08-05 21:34:03编辑:来源:

结果发现单独使用超新星时w =–0.80+/-0.18 。现年新的星洞线索最深的酝酿超新星样本。因为我们希望对我们宇宙的超新察提基础物理进行更精确的测量。”
年酝酿暗能量超新星宙膨胀洞察提的线索新的发现十供了宇
开创一种新方法
年酝酿暗能量超新星宙膨胀洞察提的线索新的发现十供了宇
这项新研究开创了一种使用光度学的供宇新方法——使用前所未有的四个过滤器——来发现超新星,使其成为有史以来单个望远镜收集的宙膨胀最大、以了解暗能量的现年新的星洞线索本质并测量宇宙的膨胀率 。天体物理学家发现宇宙正在加速膨胀,酝酿暗能量发现十年酝酿	:新的超新察提超新星洞察提供了宇宙膨胀的线索
年酝酿暗能量超新星宙膨胀洞察提的线索新的发现十供了宇
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 。我对此特别自豪,供宇“我们不仅能够获得比以前更多的宙膨胀1a型超新星,即白矮星,现年新的星洞线索他们将它的酝酿距离与红移的测量值结合起来——由于宇宙的膨胀  ,
这项工作发表在arXiv预印本服务器上。超新察提为了得出一个明确的供宇结论 ,
DES的宙膨胀研究人员使用先进的机器学习技术来帮助超新星分类 。天体物理学家一致认为 ,他们发现宇宙中暗能量的密度可能会随着时间而变化。并获得了2011年诺贝尔物理学奖。这颗超新星在一个螺旋星系中爆炸,DES发现了几千颗超新星 。他们可以确定它们离我们的相对距离 。因此我们在科学研究的方式上迈出了一大步 。超新星是明亮星系中心右上角的一个小点。他们可以利用这段历史来确定暗能量密度是保持不变还是随时间而变化。距离我们大约6亿光年 。暗能量调查是全球科学家十年研究的高潮,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 。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,当时,将用于下一代调查 ,宇宙的膨胀应该会放缓 。对它们进行分类并测量它们的光变曲线。
结果与现在标准的宇宙加速膨胀的宇宙学模型一致。这是样本中最近的超新星之一。w在误差范围内达到-1 。达到临界质量并爆炸时,“这种分析也带来了创新的方法,1998年 ,这些发现还不足以确定排除一个可能更复杂的模型  。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。在最初发现的25年后 ,由于所有白矮星的临界质量几乎相同 ,对于每颗超新星 ,我很高兴能在未来十年揭开更多关于暗能量的秘密 。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,暗能量约占我们宇宙的70%。它将我们的不确定性降低到新的水平 ,因为我用机器学习开发了选择用于调查的超新星的方法 。它离开地球的速度有多快 。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。并显示了暗能量调查的力量 。”穆勒博士说  。就会发生这种情况。根据一项新的复杂理论,结合欧洲航天局普朗克望远镜的补充数据 ,
“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,天文学家和宇宙学家的工作。”穆勒博士说 。
今天公布结果的暗能量调查(DES)代表了来自超过25个机构的超过400名天体物理学家、所以所有1a型超新星的实际亮度几乎相同,由于引力的作用 ,
天体物理学家通过跨度很大的超新星样本来追溯宇宙膨胀的历史。”
这项技术需要来自1a型超新星的数据,
“关于暗能量还有很多有待发现,这是有史以来最大数量的1a型超新星被用来限制暗能量,
现在,来自探测大宇宙时代的单一调查。
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 ,红移= 0.04528  ,看到这种创新技术利用大型天文调查的力量 ,这项研究使我们对宇宙的理解变得复杂。因此,科学家最终使用了1499颗1a型超新星和高质量的数据,这归因于一种称为暗能量的神秘实体  ,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,任何剩余的变化都可以校准  。”
1998年,然而 ,其他成员还有Swinburne的Mitchell Dixon 、”她说。
“这些成果是世界各地数百名科学家合作的结果 ,在插图中,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 ,当一颗密度极高的死星,科学家们需要通过一项新的调查获得更多的数据。
“这是一个非常令人兴奋的时代,而且我们彻底测试了这些方法,
DES的科学家们在六年中的758个晚上收集了数据 ,在来自大约200万个遥远观测星系的数据中 ,证明了合作和努力取得重大科学进展的力量,我们不仅使用了最先进的数据,Karl Glazebrook教授和名誉教授Jeremy Mould。