Seit es in den 1970er Jahren erstmals theoretisiert wurde, haben Astrophysiker und Kosmologen ihr Bestes getan, um das Mysterium zu lösen, das Dunkle Materie . Es wird angenommen, dass diese unsichtbare Masse 85% der Materie im Universum ausmacht und 27% seiner Masse-Energie-Dichte ausmacht. Darüber hinaus liefert es aber auch die großräumige Skelettstruktur des Universums (das kosmische Netz), die aufgrund ihres gravitativen Einflusses die Bewegungen von Galaxien und Materie diktiert.
Leider bedeutet die mysteriöse Natur der Dunklen Materie, dass Astronomen sie nicht direkt untersuchen können, was sie daran hindert, ihre Verteilung zu messen. Es ist jedoch möglich, seine Verteilung anhand des beobachtbaren Einflusses seiner Gravitation auf lokale Galaxien und andere Himmelsobjekte abzuleiten. Mithilfe modernster maschineller Lerntechniken konnte ein Team koreanisch-amerikanischer Astrophysiker die bisher detaillierteste Karte des lokalen Universums erstellen, die zeigt, was die „ kosmisches Netz ' sieht aus wie.
Das für diesen Durchbruch verantwortliche Team wurde von Senior Researcher Sungwook E. Hong von der University of Seoul und dem Koreanisches Institut für Astronomie und Weltraumwissenschaften (KASI). Er wurde von außerordentlichem Professor Donghui Jeong von der Institut für Gravitation und Kosmos (IGS) an der Penn State, und die Forscher Ho Seong Hwang und Juhan Kim von der Seoul National University and the Korea Institute for Advanced Study (KIAS) bzw.
Frühere Versuche, das kosmische Netz zu kartieren, begannen in der Vergangenheit mit einem Modell des frühen Universums und simulierten dann seine Entwicklung über Milliarden von Jahren. Dieses Verfahren hat jedoch aufgrund der enormen erforderlichen Rechenleistung nur begrenzten Erfolg. Das Team verfolgte einen anderen Ansatz und entwickelte ein Modell, das maschinelles Lernen nutzte, um die Verteilung der Dunklen Materie basierend auf der bekannten Verteilung und Bewegung von Galaxien vorherzusagen.
Das Team baute und trainierte dieses Modell mit Hilfe von Glorreiche-TNG , ein Kosmologieprojekt, das mehrere Simulationen mit Galaxien, Gasen, anderen Formen baryonischer (auch bekannt als sichtbarer) Materie sowie dunkler Materie durchgeführt hat. Das Team wählte simulierte Galaxien aus Illustris-TNG aus, die mit der Milchstraße vergleichbar waren, und identifizierte die Eigenschaften, die erforderlich sind, um die Verteilung der Dunklen Materie vorherzusagen. Genannt Jeong:
„Ironischerweise ist es einfacher, die Verteilung der Dunklen Materie viel weiter weg zu untersuchen, weil sie die sehr weit entfernte Vergangenheit widerspiegelt, die viel weniger komplex ist. Im Laufe der Zeit, als die großräumige Struktur des Universums gewachsen ist, hat die Komplexität des Universums zugenommen, so dass es von Natur aus schwieriger ist, lokale Messungen der Dunklen Materie durchzuführen.“
„Wenn bestimmte Informationen gegeben sind, kann das Modell die Lücken im Wesentlichen auf der Grundlage seiner vorherigen Betrachtung schließen. Die Karte aus unseren Modellen passt nicht perfekt zu den Simulationsdaten, aber wir können trotzdem sehr detaillierte Strukturen rekonstruieren. Wir fanden heraus, dass die Einbeziehung der Bewegung von Galaxien – ihrer radialen Eigengeschwindigkeiten – zusätzlich zu ihrer Verteilung die Qualität der Karte drastisch verbessert und es uns ermöglicht hat, diese Details zu sehen.“
Karte der Verteilung der Dunklen Materie im Lokaluniversum unter Verwendung eines Modells, um ihre Position aufgrund ihres gravitativen Einflusses auf Galaxien abzuleiten. Bildnachweis: Hong et. al., Astrophysical Journal
Der nächste Schritt bestand darin, dieses Modell auf reale Daten aus dem lokalen Universum anzuwenden, die das Team aus dem Cosmicflow-3 Datenbank. Dieser astronomische Katalog enthält umfassende Daten zur Verteilung und Bewegung von über 17.000 Galaxien in einer 650 Millionen Lichtjahre (200 Megaparsec) großen Region um die Milchstraße. Die resultierende Karte reproduzierte erfolgreich bekannte markante Strukturen im lokalen Universum.
Dazu gehörten die „Lokales Blatt“, Region des Weltraums, die die Milchstraße, Andromeda (und andere Mitglieder der „lokalen Gruppe“) und die Galaxien des Virgo-Haufens enthält. Eine weitere prominente Struktur war die „Lokale Leere“, ein relativ leerer Raumbereich neben der lokalen Gruppe. Darüber hinaus identifizierte die Karte mehrere neue Strukturen, wie kleinere filamentöse Strukturen, die als versteckte Verbindungen zwischen Galaxien fungieren.
Wie Sie an den Querschnitten der Karte (siehe oben) sehen können, werden große Konzentrationen von leuchtender Materie in Rot angezeigt, während weitgehend leere Abschnitte in Blau angezeigt werden. Galaxien werden als kleine schwarze Punkte bezeichnet, die Milchstraße wird durch das schwarze X in der Mitte gekennzeichnet und die Pfeile repräsentieren die Bewegung dieser großräumigen Strukturen. Diese Verbindungsfäden, die als dünne gelbe Fäden erscheinen, erfordern eine Nachbeobachtung, um mehr über diese bisher unbekannten Merkmale zu erfahren. Genannt Jeong:
„Der Besitz einer lokalen Karte des kosmischen Netzes eröffnet ein neues Kapitel der kosmologischen Studien. Wir können untersuchen, wie die Verteilung der Dunklen Materie mit anderen Emissionsdaten zusammenhängt, was uns helfen wird, die Natur der Dunklen Materie zu verstehen. Und wir können diese filamentösen Strukturen direkt studieren, diese versteckten Brücken zwischen Galaxien.“
„Da dunkle Materie die Dynamik des Universums dominiert, bestimmt sie im Grunde unser Schicksal. Wir können also einen Computer bitten, die Karte für Milliarden von Jahren zu entwickeln, um zu sehen, was im Lokaluniversum passieren wird. Und wir können das Modell in der Zeit zurückentwickeln, um die Geschichte unserer kosmischen Nachbarschaft zu verstehen.“
Illustris-Simulation, die die Verteilung der Dunklen Materie in 350 Millionen mal 300.000 Lichtjahren zeigt. Galaxien werden als hochdichte weiße Punkte (links) und als normale baryonische Materie (rechts) dargestellt. Bildnachweis: Markus Haider/Illustris
Wissenschaftler wissen beispielsweise seit einiger Zeit, dass sich die Milchstraße und die Andromeda-Galaxie langsam näher kommen. Es bleibt jedoch unklar, ob sie in geschätzten 4,5 Milliarden Jahren schließlich kollidieren werden, um eine Supergalaxie (unkreativ den Spitznamen Milkomeda) zu bilden. Durch die Untersuchung der Filamente der Dunklen Materie, die unsere beiden Galaxien verbinden, könnten Astrophysiker wertvolle Einblicke in ihre Zukunft gewinnen.
Hong und seine Kollegen planen auch, die Genauigkeit ihrer Karte zu verbessern, indem sie weitere Galaxien hinzufügen. Möglich wird dies dank Missionen der nächsten Generation wie dem James Webb Space Telescope (JWST), das am 31. Oktober endlich ins All starten wirdNS, 2021. Mit seiner fortschrittlichen Instrumentensuite wird das JWST das Universum im langwelligen sichtbaren Bereich und im nahen bis mittleren Infrarot untersuchen.
Dies wird es Astronomen ermöglichen, kleinere, lichtschwächere und weiter von unserem Sonnensystem entfernte Galaxien zu identifizieren. Verbesserungen in der Datenverarbeitung und beim maschinellen Lernen werden auch zu größeren und besseren Simulationen führen, die über längere Zeiträume mehr Galaxien berücksichtigen können. Auch Missionen wie die der ESA Gaia-Observatorium liefern genauere Daten über die Eigenbewegungen und Geschwindigkeiten von Galaxien (Astrometrie).
Es ist der geplante Nachfolger, der der ESA Euklid-Observatorium , soll 2022 starten und Daten zu zwei Milliarden Galaxien in einem Weltraum von 10 Milliarden Lichtjahren sammeln. Dies wird verwendet, um die bisher detaillierteste 3D-Karte des lokalen Bereichs des Universums zu erstellen, von der erwartet wird, dass sie wichtige Hinweise auf die Rolle der Dunklen Materie (und der Dunklen Energie) in der kosmischen Evolution liefert. Diese Karten werden Astronomen eine Vergleichsmöglichkeit bieten, die ihnen zeigt, dass ihre physikalischen Modelle richtig sind.
Die Studie, die ihre Ergebnisse beschreibt, “ Aufdecken des lokalen kosmischen Netzes aus Galaxien durch Deep Learning ”, erschien kürzlich inDas Astrophysikalische Journal. Diese Forschung wurde mit Unterstützung der National Research Foundation of Korea, Mitteln des koreanischen Bildungsministeriums, des koreanischen Wissenschaftsministeriums, der US National Science Foundation (NSF), des NASA Astrophysics Theory Program und des KIAS' Center ermöglicht für Advanced Computing.
Weiterlesen: Netzteil , Das Astrophysikalische Journal