Bilim insanları, karanlık madde ve karanlık enerji hakkında yeni bilgiler öngörerek şimdiye kadarki en iddialı gökyüzü araştırmasına hazırlanıyor

Bilim insanları, Şili’nin kuzeyindeki bir dağda, karmaşık bileşenleri dikkatle bir araya getiriyor. NSF – DOE Vera C. Rubin Gözlemevitarihin en gelişmiş astronomi tesislerinden biri. Yenilikçi bir teleskop ve dünyanın en büyük dijital kamerasıyla donatılan gözlemevi, yakında Eski Uzay ve Zaman Araştırması’na (LSST) başlayacak.

LSST’nin 10 yıllık evren keşfi boyunca Rubin Gözlemevi, gökyüzünün 5,5 milyon veri açısından zengin görüntüsünü çekecek. Önceki tüm taramaların toplamından daha geniş ve daha derin hacimli olan LSST, bilimdeki en temel soruların bazılarını yanıtlamak için çalışan gökbilimcilere ve kozmologlara benzeri görülmemiş miktarda bilgi sağlayacak.

LSST Karanlık Enerji Bilimi İşbirliğine (DESC) yoğun bir şekilde dahil olan DOE’nin Argonne Ulusal Laboratuvarı’ndaki bilim adamları, karanlık enerjinin ve karanlık maddenin gerçek doğasını ortaya çıkarmak için çalışıyorlar. LSST’ye hazırlanırken gelişmiş kozmolojik simülasyonlar gerçekleştiriyorlar ve keşif potansiyelini en üst düzeye çıkarmak için verilerini şekillendirmek ve işlemek üzere Rubin Gözlemevi ile birlikte çalışıyorlar.

Karanlık tarafı simüle etmek

Karanlık enerji ve karanlık madde birlikte evrendeki enerji ve maddenin %95’ini şaşırtıcı bir şekilde oluşturuyor, ancak bilim adamları onlar hakkında çok az şey anlıyor. Galaksilerin oluşumunda ve hareketinde karanlık maddenin etkilerini görüyorlar ama onu aradıklarında yokmuş gibi görünüyor. Bu arada uzayın kendisi de zamanla giderek daha hızlı genişliyor ve bilim insanları bunun nedenini bilmiyor. Bu bilinmeyen etkiyi karanlık enerji olarak adlandırıyorlar.

Argonne’un Yüksek Enerji Fiziği (HEP) bölümü müdür yardımcısı Katrin Heitmann, “Şu anda bunların fiziksel kökenlerinin ne olduğuna dair hiçbir fikrimiz yok, ancak teorilerimiz var” dedi. “LSST ve Rubin Gözlemevi ile, karanlık madde ve karanlık enerjinin ne olabileceği konusunda gerçekten iyi kısıtlamalar elde edebileceğimizi düşünüyoruz, bu da topluluğun en umut verici yönleri takip etmesine yardımcı olacak.”

LSST’ye hazırlanırken Argonne’lu bilim insanları, karanlık madde ve karanlık enerjinin belirli niteliklerine ilişkin teoriler alıyor ve bu varsayımlar altında evrenin evrimini simüle ediyor.

Bilim adamlarının teorilerini anketin gerçekten tespit edebileceği imzalarla eşleştirmenin yollarını bulması önemlidir. Örneğin, eğer karanlık madde hafif bir sıcaklığa sahip olsaydı veya evrenin başlangıcından hemen sonra karanlık enerji süper güçlü olsaydı, evren bugün nasıl görünürdü? Belki bazı yapılar daha bulanık hale gelebilir veya galaksiler belirli bir şekilde kümelenebilir.

Simülasyonlar, araştırmacıların, LSST’den alınan gerçek dünya verilerinde belirli bir teorinin doğru olduğunu gösteren hangi özelliklerin gerçekte görüneceğini tahmin etmelerine yardımcı olabilir.

Simülasyonlar ayrıca işbirliğinin verileri işlemek ve analiz etmek için kullanacakları kodu doğrulamasına da olanak tanır. Örneğin, LSST DESC ve NASA’nın Nancy Grace Roman Uzay Teleskobu’nun arkasındaki işbirliğiyle birlikte, Argonne bilim adamları yakın zamanda gece gökyüzünün görüntülerini her teleskopun gerçekten göreceği şekilde simüle ettiler. Yazılımlarının amaçlandığı gibi çalıştığından emin olmak için bilim insanları, gerçek şeyi işlemeye başlamadan önce yazılımı bu temiz, simüle edilmiş görüntü verileri üzerinde test edebilir.

Simülasyonlarını gerçekleştirmek için Argonne bilim adamları, bir DOE Bilim Ofisi kullanıcı tesisi olan Argonne Liderlik Bilgi İşlem Tesisi’nin (ALCF) hesaplama kaynaklarından yararlanıyor. ALCF, süper bilgisayar paketi arasında, saniyede bir kentilyonun (ya da bir milyar milyarın) üzerinde hesaplama gerçekleştirebilen, dünyanın ilk exascale makinelerinden biri olan Aurora’yı barındırıyor.

Daha önce Aurora’nın sözcüsü olarak görev yapan Heitmann, “Aurora’nın etkileyici hafızası ve hızı, evrenin daha büyük hacimlerini simüle etmemize ve simülasyonlarda her zamankinden daha fazla fizik hesaba katmamıza olanak tanıyacak, aynı zamanda önemli ayrıntıları doğru bir şekilde elde etmek için yeterince yüksek çözünürlüğü koruyacak” dedi. LSST TANIMI.

Astronomik miktarda veri beklerken ne beklemelisiniz?

LSST sırasında, uzun zaman önce çok uzaktaki galaksilerden yayılan ışık gözlemevine ulaşacak. Gözlemevinin kamerasındaki sensörler, ışığı dağdan dünyadaki çeşitli Rubin Projesi veri tesislerine gidecek verilere dönüştürecek. Bu tesisler daha sonra verileri analiz için daha büyük topluluğa gönderilecek şekilde hazırlayacak.

LSST DESC’nin bir parçası olarak Argonne bilim insanları, verilerin bilimsel hedeflerine en uygun şekilde işlenmesini sağlamak için şu anda Rubin Gözlemevi ile birlikte çalışıyor. Örneğin, Argonne’lu fizikçi Matthew Becker, zayıf kütleçekimsel merceklenme adı verilen bir olgu yoluyla karanlık madde ve karanlık enerjinin araştırılmasına olanak sağlayacak veri işleme algoritmaları geliştirmek amacıyla Rubin Projesi ile yakın işbirliği içinde çalışıyor.

Becker, “Uzak galaksilerden gelen ışık gözlemevine giderken yolu, karanlık madde de dahil olmak üzere aradaki kütlenin çekim kuvvetinden etkileniyor” dedi.

“Bu, gözlemevinin göreceği gibi, gökadaların şekilleri ve yönelimlerinin gökyüzünde az da olsa ilişkili olduğu anlamına geliyor. Eğer bu korelasyonu ölçebilirsek, evrendeki maddenin (karanlık madde dahil) dağılımı hakkında bilgi edinebiliriz. “

Zayıf kütleçekimsel merceklenme aynı zamanda evrenin yapısının zaman içinde nasıl değiştiğini de ortaya çıkarabilir ve bu da karanlık enerjinin doğasına ışık tutabilir. Buradaki zorluk, LSST verilerindeki zayıf yerçekimsel merceklenmeyi gösteren sinyallerin zayıf olmasıdır. Bilim adamlarının aradığı sinyalin gücü, verilerde beklenen gürültü seviyesinden veya istenmeyen sinyal bozukluğundan yaklaşık 30 kat daha küçük olacak.

Bu, bilim adamlarının ölçümlerinin doğru olduğundan emin olmak için çok fazla veriye ihtiyaç duydukları ve bunu elde etmek üzere oldukları anlamına geliyor. LSST tamamlandığında 60 petabayt veya 60 milyon gigabayt görüntü verisi oluşturmuş olacak. Bu miktardaki veriyi kullanmak için Netflix’i 11.000 yıldan fazla izlemek gerekir.

Becker ve meslektaşları, analizi hem yönetilebilir hem de verimli kılmak için verileri sıkıştıracak yöntemler geliştiriyorlar. Örneğin, bilim insanları, gökyüzünün aynı bölümlerinin farklı zamanlarda alınan görüntülerini birleştirerek, aksi takdirde tespit edilemeyecek kadar sönük olabilecek galaksilerin şekillerindeki korelasyonları ortaya çıkarmak için görüntülerdeki özellikleri doğrulayabilirler.

Becker ayrıca topluluğun sıkıştırılmış verilerden elde edilen sonuçlara güven düzeyini belirlemeye de odaklanıyor.

Becker, “Analizimizde ne kadar emin olabileceğimizi bilirsek, bu, kozmolojinin tamamındaki mevcut bilgi durumunu anlamak için sonuçlarımızı diğer deneylerle karşılaştırmamıza olanak tanır” dedi. “LSST’den gelen verilerle işler çok daha ilginç hale gelmek üzere.”