چگونه ابرنواختر M82 به فهم انرژی تاریک کمک می‌کند؟
تصویری متحرک از قبل و بعد از ظهور ابرنواختر Ia در کهکشان M82
بر اساس دقیق‌ترین مدل‌های کیهان‌شناسی٬ انرژی تاریک، نیروی دافعه ی مرموزی است که بخش اعظمی از انرژی کل عالم را شامل می‌شود ولی متأسفانه هنوز هیچ نظر دقیقی درباره‌ی ماهیتش وجود ندارد. ممکن است دانشمندان بتوانند به‌کمک ابرنواخترهای نوع Ia به هویت واقعی این انرژی رازآلود پی ببرند.
ابرنواختری که به تازگی در کهکشان M82 ظهور کرده است هم از نوع Ia است. این ابرنواخترها هنگامی اتفاق می‌افتند که ستاره‌ی کوتوله سفید جرم فراوانی از ستاره ی هم دم خود جذب کند و سپس منفجر شود؛ درخشانی این انفجار مهیب به قدری زیاد است که کل کهکشان را تحت‌الشعاع قرار می دهد. اهمیت این ابرنواخترها در این است که دانشمندان را در فهم انرژی تاریک یاری می‌کند.
با اندازه گیری روشنایی این ابرنواخترها با تلسکوپ‌های زمین‌پایه (روشنایی ظاهری) و مقایسه‌ی آن با روشنای واقعی که از این نوع ابرنواختر انتظار می‌رود (روشنایی مطلق) می توان فاصله ی کهکشان میزبان را محاسبه کرد. اندازه گیری های دقیقِ فاصله‌ی ابرنواخترهای نوع Ia سبب شد تا
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
به نتیجه‌ی غافلگیر‌کننده‌ای دست پیدا کنند؛ آن‌ها دریافتند که جهان به‌صورت شتابدار در حال انبساط است و علت این انبساط شتابدار«انرژی تاریک» است. اگرچه هنوز ماهیت حقیقی انرژی تاریک برایمان ناشناخته است اما یکی از فرض‌های موجود این است که خود «خلاء» انرژی تاریک دارد.
برخی از نظریه‌های کیهان‌شناسی بیان می‌کنند که میزان انرژی تاریک موجود در خلاء حدود ۱۲۰^۱۰ بار ( عدد ۱ با ۱۲۰ صفر جلو آن) بیشتر از آن چیزی است که رصد شده است. امّا منجمان نیاز به اندازه‌گیری‌های بسیار دقیق‌تر برای بررسی سازوکار انرژی تاریک و تطبیق آن با یکی از مدل‌های کیهان شناسی دارند. مطالعه‌ی ابر نواختر نوع یک-ای اگرچه خطاهایی دارد امّا هنوز یکی از بهترین روش‌ها برای بررسی انرژی تاریک است. پروژه ی جدیدی که
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
نامیده می شود در حال تحلیل دوباره‌ی داده‌های ابرنواخترهای شناخته شده برای کاهش خطاهاست و تا کنون بیش از ۸۰۰ ابرنواختر را بررسی کرده است.
مجموعه‌ی داده‌های جدید با اندازه گیری‌های قبلی تأثیرات انرژی تاریک تفاوت چندانی ندارد و این یعنی هنوز نمی توانیم مدل خاصی را به‌طور قطعی رَد یا قبول کنیم. بنابراین گروه‌های تحقیقاتی نیاز به کاهش خطاهایشان و تحلیل بیشتر داده‌های بدست آمده از ابرنواخترها دارند.
–برگرفته از
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
"کانوت"
