ஜேம்ஸ் வெப் கண்ணுக்கு தெரியாத அண்ட எலும்புக்கூட்டை அம்பலப்படுத்தும் இருண்ட பொருளின் முன்னோடியில்லாத வரைபடத்தை முன்வைக்கிறார்

ஜேம்ஸ் வெப் ஸ்பேஸ் டெலஸ்கோப் பிரபஞ்சத்தில் இருண்ட பொருளின் பரவலைப் பதிவு செய்த மிக விரிவான வரைபடத்தை உருவாக்கியுள்ளது. இந்த முன்னேற்றமானது COSMOS-Web திட்டத்தில் இருந்து தரவைப் பயன்படுத்துகிறது மற்றும் விண்மீன் திரள்கள் மற்றும் கொத்துக்களை உருவாக்குவதற்கான ஈர்ப்பு சாரக்கட்டுவாக செயல்படும் இழை அமைப்பை வெளிப்படுத்துகிறது. சுமார் 800,000 தொலைதூர விண்மீன் திரள்களின் அவதானிப்புகளை அடிப்படையாகக் கொண்ட ஆராய்ச்சியானது, அண்டத்தில் உள்ள பொருளின் அறியப்பட்ட விகிதத்தை உறுதிப்படுத்துகிறது, மொத்த வெகுஜனத்தில் சுமார் 85% கரும் பொருள் உள்ளது.

தொலைதூரத்தில் நிலைநிறுத்தப்பட்ட பொருட்களிலிருந்து ஒளியில் ஏற்படும் சிதைவுகளைக் கண்டறிய பலவீனமான ஈர்ப்பு லென்சிங் நுட்பத்தை விஞ்ஞானிகள் பயன்படுத்தியுள்ளனர். இந்த முறையானது விண்வெளி நேரத்தின் வளைவில் ஏற்படும் விளைவுகள் மூலம் இருண்ட பொருளின் கண்ணுக்கு தெரியாத இருப்பை வரைபடமாக்குகிறது. பொதுவான காணக்கூடிய விஷயத்தை ஒழுங்கமைக்கும் இழைகள், கொத்துகள் மற்றும் குறைந்த அடர்த்தி பகுதிகளை இதன் விளைவாக எடுத்துக்காட்டுகிறது.

பகுப்பாய்வு நிலையான அண்டவியல் மாதிரியை வலுப்படுத்துகிறது மற்றும் இருண்ட பொருளின் ஈர்ப்பு பிரபஞ்சத்தின் தொடக்கத்திலிருந்து அண்ட பரிணாமத்தை எவ்வாறு பாதிக்கிறது என்பதை நிரூபிக்கிறது.

பலவீனமான ஈர்ப்பு லென்சிங் நுட்பம்

பலவீனமான ஈர்ப்பு லென்சிங் நுட்பம் ஐன்ஸ்டீனின் பொது சார்பியல் கணிப்பு அடிப்படையிலானது, இது வெகுஜனங்கள் விண்வெளி நேரத்தை எவ்வாறு வளைக்கிறது என்பதை விவரிக்கிறது. ஜேம்ஸ் வெப் விஷயத்தில், இருண்ட பொருளால் செலுத்தப்படும் ஈர்ப்பு பின்னணியில் உள்ள விண்மீன் திரள்களின் வடிவத்தை சிறிது சிதைத்து, அளவிடக்கூடிய நீளமான வடிவங்களை உருவாக்குகிறது.

இந்த சிதைவுகள் மிகக் குறைவு, ஆனால் பெரிய அளவில் பகுப்பாய்வு செய்யும் போது புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்கவை. கண்ணுக்கு தெரியாத வெகுஜன புலத்தை புனரமைக்க நூறாயிரக்கணக்கான விண்மீன்களின் நீள்வட்ட நோக்குநிலையின் மாறுபாடுகளை ஆராய்ச்சியாளர்கள் அளவிடுகின்றனர்.

இந்த முறைக்கு தொலைநோக்கியின் அகச்சிவப்பு கருவிகளால் வழங்கப்படும் உயர் ஒளியியல் தெளிவுத்திறன் தேவைப்படுகிறது. இந்தத் திறன், அண்டத் தூசியை ஊடுருவி, தொலைதூரப் பகுதிகளை முந்தைய கண்காணிப்பகங்களை விட அதிக துல்லியத்துடன் கண்காணிக்க அனுமதிக்கிறது.

COSMOS-வலை திட்ட விவரங்கள்

COSMOS-Web திட்டம் வானத்தின் ஒரு குறிப்பிட்ட துறையில் 255 மணிநேர கண்காணிப்பைக் குவிக்கிறது. இந்த பகுதி முழு நிலவின் பல மடங்கு அளவுக்கு சமமான பகுதியை உள்ளடக்கியது, கிட்டத்தட்ட 800,000 விண்மீன் திரள்களை பட்டியலிட அனுமதிக்கிறது.

பரந்த மற்றும் ஆழமான கவரேஜ் தரை அடிப்படையிலான தொலைநோக்கிகள் அல்லது ஹப்பிள் மூலம் செய்யப்பட்ட முந்தைய வரைபடங்களை விட அதிகமாக உள்ளது. ஜேம்ஸ் வெப் ஒத்த ஆய்வுகளுடன் ஒப்பிடும்போது தீர்மானத்தை இரட்டிப்பாக்குகிறது, சிறிய, விரிவான கட்டமைப்புகளை வெளிப்படுத்துகிறது.

• விண்மீன் திரள்களை இணைக்கும் விரிவான இழைகள்;
• காஸ்மிக் வெற்றிடங்கள் எனப்படும் குறைந்த அடர்த்தி பகுதிகள்;
• பாரிய கொத்துக்களுக்கு இடையில் ஈர்ப்பு பாலங்கள்.

இந்த கூறுகள் கணினி உருவகப்படுத்துதல்களில் காணப்பட்ட அண்ட வலையை உருவாக்குகின்றன.

அண்ட வலையின் அமைப்பு வெளிப்பட்டது

விண்மீன் திரள்களின் உண்மையான படங்களில் மிகைப்படுத்தப்பட்ட வரைபடத்தில் நீல இழைகளின் முப்பரிமாண வலையமைப்பாக காஸ்மிக் வலை தோன்றுகிறது. இருண்ட பொருளின் ஈர்ப்பு விசையைப் பின்பற்றி விண்மீன் திரள்கள் இந்த இழைகளுடன் குவிந்துள்ளன.

இந்த விநியோகம் பெரிய அளவிலான கட்டமைப்புகளின் உருவாக்கம் பற்றிய கோட்பாட்டு கணிப்புகளை உறுதிப்படுத்துகிறது. டார்க் மேட்டர் ஆரம்ப சாரக்கடையாக செயல்படுகிறது, காலப்போக்கில் நட்சத்திரங்கள் மற்றும் விண்மீன் திரள்களை உருவாக்குவதற்கு பார்யோனிக் பொருளை ஈர்க்கிறது.

அதிக அடர்த்தி கொண்ட பகுதிகள் காணக்கூடிய விண்மீன் திரள்கள் நிறைந்த கொத்துக்களுக்கு ஒத்திருக்கும். வெற்றிடங்கள், மறுபுறம், இரண்டு வகையான பொருளின் குறைந்த செறிவைக் காட்டுகின்றன.

முந்தைய வரைபடங்களுடன் ஒப்பீடு

ஹப்பிள் அல்லது நிலப்பரப்பு ஆய்வுகள் மூலம் பெறப்பட்ட முந்தைய வரைபடங்கள் வரையறுக்கப்பட்ட தெளிவுத்திறனைக் கொண்டிருந்தன. அவை சிறிய பகுதிகளை உள்ளடக்கியது அல்லது வளிமண்டல குறுக்கீடு காரணமாக குறைவான துல்லியமான சிதைவுகளைக் கண்டறிந்தது.

ஜேம்ஸ் வெப்பின் புதிய வரைபடம் இதே போன்ற பகுதிகளில் இரு மடங்கு தெளிவுத்திறனை வழங்குகிறது. இந்த மேம்பாடு, முன்னர் தெளிவற்ற இழைகளுக்குள் உள்ள உட்கட்டமைப்புகளை அடையாளம் காண்பதை சாத்தியமாக்குகிறது.

ஒப்பீடு, காஸ்மிக் மைக்ரோவேவ் பின்னணியில் இருந்து தரவுடனான நிலைத்தன்மையை உறுதிப்படுத்துகிறது. கூடுதல் அவதானிப்புகள் பிரபஞ்சத்தின் மொத்த வெகுஜன ஆற்றலில் 85% இருண்ட பொருளின் விகிதத்தை வலுப்படுத்துகின்றன.

தற்போதைய அண்டவியல் பற்றிய தாக்கங்கள்

முடிவுகள் லாம்ப்டா-சிடிஎம் மாதிரியுடன் ஒத்துப்போகின்றன, இது குளிர் கருமையான பொருளுடன் பிரபஞ்சத்தின் பரிணாமத்தை விவரிக்கிறது. தரவுகளின் துல்லியமானது அண்டவியல் அளவுருக்களை மிகவும் கடுமையாகக் கட்டுப்படுத்துகிறது.

விஞ்ஞானிகள் கவனிக்கப்பட்ட விநியோகம் மற்றும் எண் உருவகப்படுத்துதல்களுக்கு இடையிலான சீரமைப்பை அடையாளம் காண்கின்றனர். பிக் பேங்கிற்குப் பிறகு கட்டமைப்புகளின் ஆரம்ப உருவாக்கம் பற்றிய நமது புரிதலை இந்த கடிதம் வலுப்படுத்துகிறது.

கருப்பொருள் நேரடியாகக் கண்டறிய முடியாத நிலையில் உள்ளது, ஈர்ப்பு விசை வழியாக மட்டுமே தொடர்பு கொள்கிறது. மறைமுக வரைபடம் அதன் இருப்பு மற்றும் விநியோகத்திற்கான வலுவான ஆதாரங்களை வழங்குகிறது.

முக்கிய வரைபட கூறுகள்

வரைபடம் வெவ்வேறு அளவுகளில் அண்ட வலையின் குறிப்பிட்ட கூறுகளை எடுத்துக்காட்டுகிறது.

• பாரிய கொத்துகள் வலையின் முக்கிய முனைகளாக செயல்படுகின்றன;
• இழைகள் இந்த முனைகளை மில்லியன் கணக்கான ஒளி ஆண்டுகள் தொலைவில் இணைக்கின்றன;
• வெற்றிடங்கள் குறைந்த பொருள் அடர்த்தி கொண்ட விரிவான தொகுதிகளை ஆக்கிரமிக்கின்றன;
• சிறிய பாலங்கள் பெரிய கொத்துக்களுக்குள் துணைக் கட்டமைப்புகளை இணைக்கின்றன.

இந்த அம்சங்கள் அகச்சிவப்பு படங்களில் முன்னெப்போதும் இல்லாத தெளிவுடன் தோன்றும்.

தொலைநோக்கி தொழில்நுட்ப முன்னேற்றங்கள்

ஜேம்ஸ் வெப் அகச்சிவப்பில் இயங்குகிறது, இது விண்மீன் தூசிக்கு அப்பால் அவதானிப்புகளை அனுமதிக்கிறது. அதன் பிரிக்கப்பட்ட கண்ணாடிகள் மற்றும் உணர்திறன் கருவிகள் பில்லியன் கணக்கான ஒளி ஆண்டுகள் தொலைவில் உள்ள விண்மீன் திரள்களிலிருந்து ஒளியைப் பிடிக்கின்றன.

L2 புள்ளியில் உள்ள சுற்றுப்பாதை நிலைத்தன்மையானது குறுக்கீடுகள் இல்லாமல் நீண்ட வெளிப்பாடுகளை உறுதி செய்கிறது. இந்த கட்டமைப்பு புவியீர்ப்பு லென்ஸ்களின் புள்ளிவிவர பகுப்பாய்வுகளுக்கு தேவையான தரவுகளின் திரட்சியை செயல்படுத்துகிறது.

குறிப்பிட்ட வடிப்பான்கள் சிதைவுகளை அளவிடுவதற்கு சிறந்த அலைநீளங்களை தனிமைப்படுத்துகின்றன. மேம்பட்ட வன்பொருளின் கலவையானது அண்டவியல் வரைபடங்களின் தரத்தை அதிகரிக்கிறது.

டார்க் மேட்டர் வரைபடம் நவீன கண்காணிப்பு வானியலில் ஒரு மைல்கல்லைக் குறிக்கிறது. இது பிரபஞ்சத்தின் பெரிய அளவிலான அமைப்பை ஆதரிக்கும் கண்ணுக்கு தெரியாத நெட்வொர்க்கை அம்பலப்படுத்துகிறது மற்றும் உயர் துல்லியமான அனுபவ தரவுகளுடன் பல தசாப்தங்களாக தத்துவார்த்த மாதிரிகளை சரிபார்க்கிறது.