در بررسی آسمان عمیق، بیشتر کهکشان‌ها را می‌بینیم که در یک جهت خاص می‌چرخند. این یک مشکل است. بر اساس مدل‌های کنونی درباره رفتار جهان، کهکشان‌ها باید به‌طور تصادفی در هر جهتی که بخواهند بچرخند و در نتیجه، توزیع چرخش آن‌ها تقریباً برابر باشد.
اما مشاهده ما خلاف این را نشان می‌دهد، که به این معناست که شکافی بزرگ در درک ما از نحوه کارکرد جهان وجود دارد.
لیور شامیر، ستاره‌شناس دانشگاه ایالتی کانزاس، می‌گوید:
“هنوز مشخص نیست که چه چیزی باعث این پدیده می‌شود، اما دو توضیح اصلی برای آن وجود دارد.”
یک توضیح این است که جهان در ابتدا در حال چرخش متولد شده است. این نظریه با ایده‌هایی مانند کیهان‌شناسی سیاهچاله‌ای همخوانی دارد، که فرض می‌کند کل جهان درون یک سیاهچاله قرار دارد. اما اگر جهان واقعاً با چرخش متولد شده باشد، این بدان معناست که نظریه‌های کنونی درباره کیهان ناقص هستند.
توضیح دیگر، که کمتر هیجان‌انگیز به نظر می‌رسد، این است که این عدم تقارن یک توهم است که ناشی از چرخش کهکشان راه شیری است، یعنی کهکشانی که ما از درون آن جهان را مشاهده می‌کنیم.
اگرچه در نگاه اول ممکن است جهان کاملاً تصادفی به نظر برسد، اما در واقع، ساختارهای پیچیده‌ای در آن وجود دارد. مثلاً، رشته‌های عظیمی از ماده تاریک در سراسر کیهان گسترده شده‌اند و کهکشان‌ها را از طریق نیروی گرانش به هم متصل می‌کنند. اما پیش‌تر تصور می‌شد که رفتار کهکشان‌ها در این شبکه، تصادفی است.
اگر این فرض درست باشد، توزیع جهت چرخش کهکشان‌ها باید تقریباً برابر باشد. اما پژوهش‌های شامیر خلاف این را نشان می‌دهد. او قبلاً شواهدی یافته بود که نشان می‌دهد جهت چرخش کهکشان‌ها در سراسر آسمان الگوی خاصی را دنبال می‌کند.
در تحقیقات خود، شامیر متوجه شد که عدم تقارن در توزیع چرخش کهکشان‌ها وجود دارد و این عدم تقارن در فواصل دورتر، یعنی در گذشته‌های دورتر کیهان، حتی شدیدتر است. این بدان معناست که کهکشان‌های بیشتری در یک جهت خاص می‌چرخند تا در جهت مخالف، و این تفاوت در مراحل اولیه جهان قوی‌تر بوده است.
در پژوهش جدید خود، او از داده‌های نقشه‌برداری عمیق کهکشان‌های فراژرف (JADES) که با تلسکوپ فضایی جیمز وب (JWST) جمع‌آوری شده است، استفاده کرد. او چرخش ۲۶۳ کهکشان را بررسی کرد که نور آن‌ها بین ۵ تا ۱۰ میلیارد سال در سفر بوده تا به ما برسد.
کهکشان‌ها تنها می‌توانند در دو جهت بچرخند: ساعتگرد یا پادساعتگرد. اگر جهان ایزوتروپیک باشد (یعنی در همه جهات یکنواخت باشد)، همان‌طور که اصل کیهان‌شناختی بیان می‌کند، نسبت کهکشان‌های ساعتگرد و پادساعتگرد باید تقریباً ۵۰-۵۰ باشد.
اما وقتی شامیر چرخش این ۲۶۳ کهکشان را اندازه‌گیری کرد، به نتیجه‌ای رسید که نمی‌توان آن را تصادفی دانست: از میان این کهکشان‌ها، ۱۰۵ کهکشان در جهت پادساعتگرد و ۱۵۸ کهکشان در جهت ساعتگرد می‌چرخیدند.
شامیر می‌گوید:
“تحلیل این کهکشان‌ها بر اساس تجزیه و تحلیل کمی شکل‌های آن‌ها انجام شده، اما تفاوت به قدری آشکار است که هر فردی با نگاه کردن به تصویر می‌تواند آن را ببیند. هیچ مهارت یا دانش ویژه‌ای برای تشخیص این تفاوت لازم نیست. با قدرت تلسکوپ جیمز وب، هر کسی می‌تواند آن را مشاهده کند.”
ایده اینکه کل جهان درون یک سیاهچاله باشد، بسیار عجیب و دشوار برای پذیرش است، اما ممکن است توضیحات دیگری برای این عدم تقارن وجود داشته باشد. یک احتمال این است که چرخش کهکشان راه شیری، که ما از درون آن جهان را مشاهده می‌کنیم، تأثیر بیشتری بر مشاهدات ما داشته باشد و باعث شود برخی کهکشان‌ها به‌گونه‌ای دیده شوند که گویی در جهتی متفاوت می‌چرخند.
اگر چنین باشد، این یک خطای محاسباتی خواهد بود، اما اصلاح آن می‌تواند مشکلات دیگر را نیز حل کند، مانند سرعت رشد جهان.
شامیر می‌گوید:
“اگر این فرضیه درست باشد، باید اندازه‌گیری‌های فاصله در اعماق کیهان را دوباره کالیبره کنیم. این بازبینی در اندازه‌گیری‌ها می‌تواند به حل چندین مسئله حل‌نشده در کیهان‌شناسی، از جمله اختلاف در نرخ‌های انبساط جهان و وجود کهکشان‌های بزرگی که بر اساس اندازه‌گیری‌های فعلی، به نظر می‌رسد از خود جهان قدیمی‌تر باشند، کمک کند.”
نتایج پژوهش او در نشریه Monthly Notices of the Royal Astronomical Society منتشر شده 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)
