分享

寻找哈勃常数可能会推翻标准宇宙学模型吗?

 物理网文 2018-03-27


 

宇宙学,我们有一个问题: 两种科学家们用来测量宇宙膨胀的方法产生不同的答案而天文学家尚不能肯定什么正在发生。最近一集的美国国家航空航天局的科学播客(ScienceCasts)视频系列探讨了这一难题。

自1929年起,科学家已经知道宇宙正在膨胀的速度被所谓的以美国天文学家埃德温 · 哈勃名字命名哈勃常数H0专制。他的同事们意识到了当观测遥远星系时它们在宇宙中看起来越远,这些星系正在越快的飞离地球。他们通过测量来自那些星系的光的"红移"做到了这个,意味着光被天体的运动延伸的程度红移时间越长,一个星系从地球越远,并且因此它正在移动的速度越快

哈勃值被认为是一个基本常数,就像光速一样,但根据这个视频科学家们能只通过测量其它宇宙中的现象计算它的值。

寻找哈勃常数可能会推翻标准宇宙学模型吗?
这里显示的一颗1a 型超新星的外壳是由美国国家航空航天局/欧空局哈勃空间望远镜的广视场相机3成像的。科学家们使用这些类型的超新星来测量宇宙的膨胀率。Credit: NASA

测量超新星

一种天文学家计算哈勃常数的方法是寻找在其它星系中随机蹦出的1a型超新星。这些恒星白矮星爆炸开始,白矮星实际上是像地球太阳一样的恒星耗尽燃料并坍塌后的残余的非常密的物质块,根据这个视频。这种白矮星从一个双星伙伴偷气体,并且随着气体白矮星的表面上累积,这颗恒星达到某个特定阈值(称为钱德拉塞卡极限)并然后坍塌引爆成为一颗超新星

因为这些类型的超新星无论它们在宇宙中的哪里所有都生成大约相同量的光天文学家能用它们来测量宇宙距离。(它们从地球的距离确定从地球上看它们实际的亮度和它们的表观亮度之间的差别)。作为非常精确宇宙距离标记天体------被称为"标准烛光"-----而1a类型超新星被用来查明它们的宿主星系的位置。这反过来,帮助科学家们测量哈勃常数的一个值。如天文方法已经改善的,这些测量已经变的更精确

测量大爆炸余辉

另一种计算哈勃常数的方法是测量大爆炸的余辉,一种叫做宇宙微波背景CMB的现象。当科学家们通过技术进步和技术在观察宇宙微波背景上已经变得更好时,他们一直正在得到这个幽灵般的光芒的更好理解

这里是科学家们怎样已经试图来用宇宙微波背景测量宇宙膨胀的: 他们使用138 亿年前在大爆炸后不久随着过热粒子 (称为一种等粒子体)汤开始冷却这种物质发出了光子在可观察到的宇宙的最外层边缘留下不可磨灭的印记的事实。使用像美国国家航空航天局太空望远镜美国航空航天局威尔金森微波各向异性探测器 (WMAP)欧洲普朗克太空望远镜科学家们能观察宇宙微波背景中温度的微小摆动。这些"各向异性"帮助研究人员理解一些最令人费解的宇宙谜团,如暗物质暗能量的分布等。这些摆动通过用宇宙已经怎样扩大和演变的理论模型这些精确的观察结果比较也被用于计算哈勃常数

寻找哈勃常数可能会推翻标准宇宙学模型吗?
来自WMAP使命的宇宙微波背景辐射(CMB) 的映射,用颜色差异显示温度中的波动。科学家使用宇宙微波背景尝试测量宇宙的膨胀率。Credit: NASA

问题

研究人员视频中说,使用这两种方法发现的哈勃常数一直大体的一致的。但随着观测方法变得更精确,两者之间的差异变得更明显了。

利用哈勃太空望远镜测量来自大量的 1a 型超新星,一个2001年的研究揭示了当与使用精确的宇宙微波背景测量方法相比时哈勃常数值的8%的差异。换句话说,哈勃太空望远镜记录了一个比宇宙微波背景测量所得到的更快的宇宙膨胀速率。要哈勃常数是一个基本常数,它必须嗯,恒定的,不管它被怎样测量。

根据这个视频,这个活跃领域正在迫使科学家们来想一想是否这两种方法应该一致的假设是错误的科学家推测,也许在宇宙中有一种新的倾斜方法之一的结果粒子

或也许在宇宙中某些重要的东西随着时间推移已经变化,这会产生一个宇宙微波背景(其测量很久以前的膨胀)与超新星方法 (其测量更最近的膨胀)不同的结果。例如,也许暗物质的特性------占宇宙中物质80%左右的神秘物质------随着时间而改变

但是,如果是这样,它可能意味着标准宇宙学模型------物理学家同意的关于宇宙的基本描述------是不彻底的(或甚至错误的),我们需要发展一个新的更好地描述这些观测的模型。

在@astroengine跟随伊恩 · 奥尼尔(Ian O'Neill)。在@Spacedotcom,Facebook 和谷歌 +跟随我们。原创文章在空间网站(Space.com)。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多