暗能量

研究莱曼极限系统(Lyman limit systems,LLS)对于了解宇宙的大尺度结构、星系演化以及星系团内部气体分布具有重要意义.然而,由于LLS吸收特征的独特性,目前的研究主要采用传统方法,对柱密度在1019cm-2≤N(HI)<1020.3cm-2的小样本集上进行认证.本文利用深度学习技术,在暗能量光谱仪(The Dark Energy Spectroscopic Instrument,DESI)模拟光谱上,通过优化卷积神经网络(convolutional neural network,CNN)模型,提高了对LLS(1018.5cm-2≤N(HI)≤1020.0cm-2)的识别精度(达到95%).随后,验证了该模型的完备度和纯度,并估计了LLS的柱密度和红移.结果显示:在S/N>6的情况下,当1019.0cm-2>N(HI)>1018.5cm-2时,CNN模型的完备度超过0.5,而纯度也超过0.2;当1020.0cm-2>N(HI)>1019.0cm-2时,完备度超过0.9,而纯度超过0.7;当1020.0cm-2>N(HI)>1018.5cm-2时,CNN模型对LLS柱密度估计值与真实值的平均差值为-0.05161,标准差为0.239,对LLS红移估计值和真实值的平均差值为-0.0003,标准差为0.0009.这些结果表明:模型的完备度普遍高于纯度,尤其是在低柱密度的情况下,LLS在光谱中的吸收特征非常窄,极易与其他波段混淆,导致模型产生更多的FP (false positive)样本.此外,CNN模型对LLS的柱密度和红移的估计值略低于真实值,且估计误差的离散程度较小.本研究为未来的LLS研究提供了可参考的方法,鼓励研究人员适应并采用CNN模型进行各种光谱分析.

<正>科学家可能发现，他们认识暗能量这种神秘宇宙力量的理论存在重大缺陷。这对宇宙的命运倒可能是个好消息。一群天文学家正在开展迄今为止对宇宙历史最大规模、最精确的调查研究。他们在2024年4月对外宣布，可能发现了当前暗物质理论中的一个重大缺陷——暗能量是一种加速宇宙膨胀的神秘力量。按照之前的主流观点，无论是现在还是过去，暗能量都是宇宙中的一股不变的力量。然而，最新的数据表明，暗能量其实也在变化，会随着时间的推移变强或变弱，甚至会反转乃至消失。

长期以来，科学家们一直在探索宇宙加速膨胀的奥秘，但是现有理论似乎都未能完全令人满意。近期，在英国《宇宙学与天体粒子物理学学报》上发表的一项研究指出，宇宙加速膨胀可能是它与更小的婴儿宇宙合并导致的。 打开宇宙加速膨胀新思路 大爆炸宇宙模型一直是我们理解宇宙......