کهکشان ها برخی از بزرگترین ساختارهای کاملاً مشخص در فضا هستند. تریلیون ها از آنها وجود دارد و بسیاری از آنها دور یکدیگر جمع شده اند. اما این خوشه بندی چگونه بر آنها تأثیر می گذارد؟ این سوال برای مدتی مطرح بود و مقالات قدیمی‌تر نتایج متناقضی را به همراه داشته است. اکنون، مقاله جدیدی که میلیون‌ها کهکشان را از محققان دانشگاه واشنگتن، ییل و چندین موسسه دیگر تحلیل می‌کند، الگوی واضحی را نشان می‌دهد که قبلاً مورد بحث قرار گرفته بود – کهکشان‌هایی که توسط کهکشان‌های دیگر احاطه شده‌اند، تمایل دارند بزرگتر باشند.
مسیر رسیدن به این نتیجه طولانی بود. چندین بررسی دیگر نشان داد که کهکشان ها در ‘محیط های متراکم’ هم بزرگتر و هم کوچکتر هستند. با این حال، این مطالعات تنها با استفاده از مجموعه داده نسبتا محدودی از صدها یا هزاران کهکشان انجام شد. بنابراین، محققان در مقاله جدید، به رهبری آریترا گوش، یک فوق دکترا در UW، فکر کردند، ‘چرا داده های بیشتری دریافت نکنیم؟’
بنابراین آنها با استفاده از برنامه استراتژیک سوبارو Hyper Suprime-Cam تلسکوپ سوبارو انجام دادند. این بررسی برای اولین بار داده‌های باکیفیت را از میلیون‌ها کهکشان به دست آورد، بنابراین محققان توانستند ۳ میلیون کهکشان را با بهترین مجموعه داده‌ها از میان محصول انتخاب کنند.
آنها سپس «دایره‌هایی» با حدود ۳۰ میلیون سال نوری را در اطراف هر یک از سه میلیون کهکشان ترسیم کردند و میزان متراکم بودن محله محلی آنها را ارزیابی کردند. از نظر آماری، همبستگی آشکار بود – کهکشان‌ها در محله‌های فضایی متراکم‌تر از پسرعموهای منزوی‌ترشان بزرگتر بودند.
گفتن اینکه محققان دایره هایی را در اطراف ۳۰ میلیون کهکشان ترسیم کرده اند، دقیق نیست – آنها از یکی از هزاران ابزار یادگیری ماشینی جدید که در جامعه نجومی ظاهر شده است استفاده کردند. این شبکه که شبکه تخمین خلفی مورفولوژی کهکشان یا GaMPEN نامیده می شود، نقطه کانونی پایان نامه دکتری دکتر Ghosh در دانشگاه ییل بود. این متخصص در تخمین اندازه کهکشان و محاسبه عدم قطعیت در اندازه گیری است.
با نتایج ابزار، این سوال مطرح شد که این به چه معناست؟ این ایده که کهکشان ها در نواحی متراکم بزرگتر هستند، با تصور کنونی اخترشناسان از نحوه شکل گیری کهکشان ها مطابقت ندارد. بنابراین، زمان آن رسیده است که یک نظریه جدید با داده‌هایی که سوبارو جمع‌آوری کرده است، مطابقت داشته باشد و مقاله آن را تحلیل کرده است.
چندین نظریه ارائه شده در یک بیانیه مطبوعاتی می تواند مشاهدات را توضیح دهد. یکی این است که کهکشان های خوشه ای متراکم از ابتدا به سادگی بزرگتر هستند. مورد دیگر این است که شاید آنها در ادغام با کهکشان های نزدیک برای ایجاد ابرکهکشان های بزرگتر از دو کهکشان اصلی موثرتر باشند.
سومین احتمال جالب تر این است که ماده تاریک ممکن است درگیر باشد. اما از آنجایی که دانشمندان هنوز نمی‌دانند ماده تاریک واقعاً چیست، این شبیه به تکان دادن یک عصای جادویی برای توضیح داده‌هایی است که در غیر این صورت با مدل کیهانی جور در نمی‌آیند.
صرف نظر از دلیل، این مطالعه یک نمونه عالی از این است که چگونه مجموعه داده های بزرگ و ابزارهای فعال با هوش مصنوعی به زودی نجوم را تغییر خواهند داد. در برخی موارد، نظریه‌های موجود را تأیید می‌کند و در برخی موارد، مانند رابطه بین چگالی و اندازه کهکشان‌ها، چارچوب نظری جدیدی را می‌طلبد. در هر صورت، حضور برای همه این اکتشافات جدید، چه با هوش مصنوعی یا نه، هیجان انگیز است.
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
