1

0
0

文字

分享

1
0
0

天文學家在極早期星系周圍偵測到大量富含碳元素的氣體與塵埃

臺北天文館_96
・2012/05/04 ・662字 ・閱讀時間約 1 分鐘 ・SR值 587 ・九年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

一組德、英、法等國的歐洲天文研究團隊Bram Venemans等人,利用位在法國阿爾卑斯山的IRAM毫米波陣列( Institut de Radioastronomie Millimetrique array)進行觀測,在迄今已知最遠的超大質量黑洞所在的宿主星系周圍,發現一個龐大的氣體塵埃儲存庫。這個星系編號為J1120+0641,位在大霹靂後約7億4000萬年之處,相當於現今宇宙年齡僅約1/8大時。

IRAM毫米波陣列 由6座15米毫米波天線組成,做落在法國阿爾卑斯山約海拔2550公尺的布爾高原(Plateau de Bure)上,藉由各天線間聯合觀測,可讓這些望遠鏡陣列組合成如同一台口徑更大的單一望遠鏡;這種觀測方式稱為干涉儀(interferometer),可以觀測到更精細的天體細節。

Venemans等人IRAM觀測發現J1120+0641星系周圍的氣體與塵埃中,含有數量不少的碳元素;這個發現讓Venemans等人相當意外,因為碳元素通常是經由大質量恆星核心的氦核融合反應過程產生,之後隨著恆星演化至生命末期發生超新星爆炸而被釋放到宇宙空間中。然而,在J1120+0641星系所處的時期,宇宙仍非常年輕,卻已經存有含碳量如此豐富的氣體,這顯示在宇宙大霹靂後不久到這個星系所處時期的這段期間,就必定已經有大質量恆星形成。而藉由塵埃所發出的輻射Venemans等人估算J1120+0641星系中的新恆星誕生速率約為我們銀河系的100倍以上。

由於J1120+0641星系所在位置,利用位在南半球智利的ALMA這個全球最大的電波陣列也可以觀測,因此Venemans等人期望在ALMA完全完工使用後,可以深入研究這個星系周圍的氣體塵埃分佈與運動狀況。

資料來源:Astronomers detect vast amounts of gas and dust around black hole in early universe[2012.03.30]

轉載自台北天文館之網路天文館網站

文章難易度
所有討論 1
臺北天文館_96
482 篇文章 ・ 27 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

8
3

文字

分享

0
8
3
發現最靠近地球的黑洞:Gaia BH1
全國大學天文社聯盟
・2022/11/30 ・2897字 ・閱讀時間約 6 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 文/林彥興|清大天文所碩士生、EASY 天文地科團隊主編、全國大學天文社聯盟監事

本月初 [1],「最靠近地球的黑洞」這個紀錄被刷新了!以天文學家 Kareem El-Badry 為首的團隊,利用蓋亞(Gaia)衛星極度精準的天體位置資料,加上多座望遠鏡聯合進行的徑向速度量測,成功確認了約 1550 光年外位於蛇夫座的一顆恆星,正與黑洞互相繞行,打破離地球最近的黑洞紀錄。

狩獵隱身巨獸的方法

人類搜尋黑洞已經有數十年的歷史。對於正在「進食」,也就是正在吸積物質的黑洞,由於其周遭的吸積盤和噴流等結構會在無線電、X 射線等多個波段發出強烈的電磁輻射,因此相對容易看到;但沒有在進食的黑洞,就要難找許多。

畢竟黑洞之所以被叫做黑洞,就是因為它本身幾乎不會發光。想要尋找這些「沉默」黑洞的方法,通常只能靠著黑洞的重力對其週遭的影響,間接推測黑洞的存在。

其中最常見的方法,就是尋找「繞著看不見的物體旋轉的恆星」。一般來說,恆星在天空中移動的軌跡應只受恆星的視差和自行影響,但如果恆星在與另一個大質量的天體互相繞行,比如我們的目標:沉默的黑洞,那恆星的軌跡就會受到黑洞影響。

因此觀測恆星的移動軌跡,是尋找沉默黑洞的重要方法之一。這個方法最著名的例子,就是 2020 年諾貝爾物理獎得主 Reinhard Genzel 與 Andrea Ghez 藉由長時間觀測銀河系中心的恆星運動(位置與徑向速度),從而確認了銀河系中心超大質量黑洞的存在。

UCLA 的銀河中心觀測團隊即是以觀測恆星的運動確認銀河系中央超大質量黑洞的存在。圖/UCLA Galactic Center Group – W.M. Keck Observatory Laser Team

但由於方法間接,用這類方式尋找黑洞時往往很難確定那個「看不見的物體」到底是不是黑洞。舉例來說,2020 年歐南天文台的天文學家宣布發現 HR 6819 是一個包含黑洞的三星系統,卻在更多更仔細的研究後遭到推翻。因此從恆星的運動來尋找「黑洞候選者」相對不難,但是想要消滅所有其他的可能性,「確定」黑洞的存在,就不是一件容易的事。

多方聯合|鎖定真身

那麼,這次的新研究是怎麼「確定」黑洞的存在的呢?

第一步,天文學家們先把目標鎖定在「形跡詭異」的恆星。因為當一顆恆星與黑洞互相繞行時,恆星在天上的運行軌跡會因為黑洞的引力而有週期性的擺盪。所以,如果我們看到有個恆星的軌跡歪歪扭扭,這顆恆星很可能就是受到黑洞重力影響的候選者。

而目前,蓋亞衛星(Gaia)提供的天體位置資料是當之無愧的首選。蓋亞是歐洲太空總署(ESA)於 2013 年發射的太空望遠鏡,與著名的韋伯太空望遠鏡一樣運行在日地第二拉格朗日點。

但與十項全能的韋伯不同,蓋亞是「天體測量學 Astrometry」的專家,專門以微角秒等級的超高精確度測量天體的位置。每隔幾年,蓋亞團隊就會整理並公布他們的觀測結果,稱為資料發布(Data Release)。目前最新的「第三次資料發布 DR3」之中,就包含了超過 18 億顆天體的海量資料。

歐洲太空總署(ESA)的蓋亞衛星(Gaia)是當前測量天體位置和距離無庸置疑的首選。圖/ESA/ATG medialab; background: ESO/S. Brunier

經過篩選,團隊發現一顆名為 Gaia DR3 4373465352415301632 的恆星看起來格外可疑。這是一顆視星等 13.77(大概比肉眼可見極限暗 1300 倍,但以天文學的角度來說算是相當亮)、與太陽十分相似的恆星,距離地球約 1550 光年。

畫面中央的明亮恆星即是這次的主角 Gaia BH1。圖/Panstarrs

找到可能的候選者後,團隊一方面翻閱過去觀測這顆恆星的歷史資料,另一方面也申請多座望遠鏡,進行了四個月的光譜觀測。同時使用從蓋亞衛星的位置(赤經、赤緯、視差)以及從光譜獲得的徑向速度資訊,團隊可以精確地計算出這顆恆星應當是正在繞行一個 9.6 倍太陽質量的天體運轉。

這麼大的質量,卻幾乎不發出任何光,黑洞幾乎是唯一可能的解釋。

但以現有的觀測資料,天文學家仍不能確定它到底是一顆黑洞,還是有兩顆黑洞以相當近地軌道互相繞行,然後恆星再以較大的軌道繞著兩顆黑洞運轉。但無論是一顆或兩顆,Gaia BH1 都刷新了離地球最近黑洞的紀錄,距離僅有 1550 光年,比上一個紀錄保持人(LMXB A0620-00)要近了三倍。從銀河系的尺度來看,這幾乎可說是就在自家後院。

結合蓋亞與其他多座望遠鏡的光譜觀測,天文學家可以計算出 Gaia BH1 在天空中的移動軌跡(左圖黑線)與其軌道形狀(右圖)。注意除了恆星與黑洞互繞所造成的移動外,恆星在天上的位置也受視差和自行影響,兩者在左圖中以藍色虛線表示。圖/El-Badry et al. 2022.
天文學家計算出的 Gaia BH1 徑向速度(RV)變化(黑線)與觀測結果(各顏色的點)。圖/El-Badry et al. 2022.

更多黑洞就在前方

最後讓我們來聊聊,找到「離地球最近的黑洞」有什麼意義呢?

「離地球最近的黑洞」這個紀錄本身是沒有太多意義的。雖然說從銀河系的尺度來說,1550 光年幾乎可說是自家後院,但是這顆黑洞並不會對太陽系、地球或是大家的日常生活產生任何影響。既然如此,為什麼天文學家還會努力尋找這些黑洞呢?

其中一大原因,是因為尋找這些與恆星互相繞行的黑洞,可以幫助天文學家了解恆星演化的過程。在銀河系漫長的演化歷史中,曾有數不清的恆星誕生又死亡。我們看不到這些已經死亡的恆星,但可以藉由這次研究的方法,去尋找這些大質量恆星死亡後留下的黑洞 [2],從而推測雙星過去是如何演化,留下的遺骸才會是如今看到的樣子。

除了 Gaia BH1,天文學家也在持續研究 Gaia DR3 之中其他「形跡可疑」的恆星/黑洞雙星候選系統。而隨著蓋亞衛星的持續觀測,更多這類黑洞候選者將會越來越多。研究這些系統,將幫助天文學家進一步了解雙星系統演化的奧秘。

註解

[1] 嚴格來說,論文九月中就已經出現在 arXiv 上了。

[2] 嚴格來說,恆星質量黑洞(stellar mass black hole)是大質量恆星的遺骸。超大質量黑洞(supermassive black hole)就不一定了。

延伸閱讀

  1. El-Badry, K., Rix, H. W., Quataert, E., Howard, A. W., Isaacson, H., Fuller, J., … & Wojno, J. (2022). A Sun-like star orbiting a black hole. Monthly Notices of the Royal Astronomical Society518(1), 1057-1085.
  2. [2209.06833] A Sun-like star orbiting a black hole
  3. Astronomers Discover Closest Black Hole to Earth | Center for Astrophysics
  4. The Dormant Stellar-Mass Black Hole that Actually Is | astrobites
  5. Astronomers find a sun-like star orbiting a nearby black hole
  6. 狩獵隱身巨獸:天文學家發現沉默的恆星質量黑洞? – PanSci 泛科學
  7. 「最靠近地球的黑洞」其實不是黑洞
  8. 人們抬頭所遙望的星空是恆定不變嗎? – 科學月刊Science Monthly

0

5
2

文字

分享

0
5
2
來自137 億年前的訊息!透過重力波,一窺「宇宙誕生」的真相──《大人的宇宙學教室:透過微中子與重力波解密宇宙起源》
台灣東販
・2022/08/09 ・4055字 ・閱讀時間約 8 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

重力波不只能提供星體的資訊!

說到重力波,一般人可能會想到黑洞、中子星、超新星這三個引發話題的星體。不過,只有在這些星體事件發生的「瞬間」,才會產生重力波,就像宇宙中的一場秀一樣。而當重力波通過後,就無法再偵測到這些資訊。

discoveries GIF
圖/GIPHY

譬如,LIGO 在 2015 年 9 月捕捉到的就是「來自 13 億光年外星體的重力波」。不過,和宇宙年齡相比,這其實是相對較年輕的星體事件。

我們有沒有辦法捕捉到很久很久以前,宇宙剛誕生時產生的重力波,也就是暴脹時期產生的重力波呢?

為什麼宇宙正在急速膨脹?

138 億年前,宇宙在超高溫、超高壓下,以「火球」的樣貌誕生,這就是所謂的「大霹靂」。在這之後,隨著宇宙的急速膨脹,溫度與密度逐漸下降,然後演變現在的樣貌。

這就是大霹靂宇宙論,也是目前多數學者支持的標準宇宙論。

那麼,為什麼會產生「火球宇宙」這個超高溫、超高壓的世界呢?為什麼宇宙不是一直保持原樣(不是保持相同大小),而是會急速膨脹呢?目前有一個較被接受的說法,那就是前面提過許多次的「暴脹理論

在這個理論中,宇宙初期並沒有任何物質或光,而是一個充滿能量的真空。透過這些真空能量,宇宙用比光速還快的速度,呈指數函數膨脹。

而在暴脹時期結束後,這些真空能量轉變成了光(火球),於是產生了超高溫、超高壓的宇宙,這就是所謂的大霹靂。

目前科學界的研究和觀測結果大多支持大霹靂學說。圖/NASA

不過,如果空間中存在許多能量的話,應該會存在像重力這樣使空間收縮的力才對。為什麼空間會以超越光速的速度迅速膨脹,進入暴脹時期呢?

學者們用「暴脹子場」這種量子場中的真空能量,說明暴脹時期。

暴脹子場是個未證實存在的純量場。就目前而言,它的存在仍處於假說階段。

目前已知的純量場,譬如 2012 年時,由瑞士日內瓦的歐洲核子研究組織 CERN 在 LHC 實驗中發現並發表,由希格斯玻色子產生的希格斯場。研究者們也因此而獲得 2013 年諾貝爾物理學獎,各位應該還記憶猶新。

137億歲的宇宙,至今仍然不斷膨脹

暴脹子場與希格斯場在質量與粒子的結合力上,都有著很大的差異。暴脹子場的真空中,會產生長時間的負壓。而這個負壓會造成宇宙加速膨脹。

這點與目前的暗能量機制十分類似。有人猜想暗能量可能是未發現的純量場。與暴脹時期相同,目前的宇宙中可能存在著未知純量場的真空能量,就像暗能量般,佔了全宇宙能量的 70%。

宇宙中佔了 30% 能量之物質,與佔了 0.1% 的光會產生引力,但比不過真空能量所產生的斥力,所以目前宇宙正在加速膨脹。

宇宙仍在不斷的擴大。圖/NASA

順帶一提,即使物質與光的能量佔宇宙的 100%,宇宙也只是減速膨脹而已,並不會收縮回去。因為膨脹初期的速度過快,所以宇宙只會持續膨脹下去。

宇宙誕生的第一步——「原始重力波」

暴脹時期結束後,空間能量會迅速轉變成物質能量,使宇宙轉變成超高溫、超高壓、充滿輻射的狀態。這就是大霹靂「火球」。暴脹理論說明了幾點。

首先是前面提到的「膨脹速度超越光速的宇宙」

這造成了我們現在看到的(宇宙視界內的)宇宙溫度擁有各向同性,在 10 萬分之 1 的精度下,為絕對溫度 2.723K(約 3K 的宇宙微波背景輻射(CMB))。

在大霹靂學說中,宇宙微波背景輻射是宇宙誕生時所遺留下來的熱輻射。圖/ESA

第二,這個急速膨脹,使宇宙的形狀在幾何學上變得相當平坦,就像膨脹的氣球一樣。

再者,暴脹子場的量子擾動,是宇宙初期物質擾動的來源,也就是3K宇宙微波背景輻射所觀測到的溫度擾動。暴脹子場也含有量子的擾動。這些小小的擾動在短時間內暴脹過程中,急速膨脹,延伸至宇宙視界的彼端,造成現今宇宙中不同區域的密度差異,這也是形成星系的種子

CMB 觀測到的「溫度擾動」,正是暴脹時期產生之暴脹子場的量子擾動。

另外,在重力波方面,暴脹時期不僅會產生前述密度(溫度)的擾動,也會產生「時空擾動」。急速膨脹的過程中,真空會一直變化,成對產生重力子,這與黑洞周圍產生霍金幅射的機制類似。

學者們認為這種重力波現今仍存在,稱其為「原始重力波」。因為整個宇宙都存在這種重力波,所以也叫做背景重力波。若能檢出這種背景重力波,不只能成為暴脹理論的證據,也會是宇宙起源相關研究的一大步。

原始重力波就像是背景雜訊一樣,在宇宙四處飄蕩

黑洞雙星的合併會產生重力波,不過當重力波通過地球,被 LIGO 觀測到時,該事件便已結束。不只是黑洞,中子星雙星的合併、超新星爆發也一樣。

不過,暴脹時期產生的重力波並非如此。當時整個宇宙充滿了重力波。不過這種重力波就像白噪音般的存在,很難分析這種波的狀態,所以也叫做背景重力波。若依波的種類來分,可以將其算在駐波。如何找到這種駐波,是我們現在的課題。

重力波可以分成兩種,來自近期星體活動的重力波,以及來自宇宙誕生的背景重力波。圖/台灣東販

與光波不同,重力波的偏振方式可以分成十字形(+)與交叉形(×)2 種,如下圖所示。十字形的偏振會往縱向與橫向伸縮、交叉形偏振則會往斜向伸縮,如其名所示。這兩種波疊合後,會變成圖中右方的樣子,往外傳播。

隨著時間的經過,來自黑洞的重力波會持續前進;但暴脹時期產生的重力波為「背景重力波」,是一種駐波,就像噪音一樣充滿在整個宇宙中。如果能發現這種波,就能證明暴脹理論。

重力波由十字形、交叉型兩種偏振方式所組成。圖/台灣東販

宇宙之窗:暴脹子場是什麼?

暴脹時期產生的「暴脹子場」究竟是什麼樣的東西呢?

重複一次,暴脹子場被認為是某種未知、很重的純量場,其質量上限在 1013GeV 以下。目前這個低能量宇宙中,已經不存在暴脹子場。即使透過粒子對撞,產生目前可達到的最高能量(數 10TeV,相當於數 10 京度的溫度),也沒辦法產生這種場。

每種基本粒子都有著伴隨其出現的「量子場」。

譬如希格斯場會伴隨著希格斯玻色子出現。就希格斯場這種純量場而言,其存在機率最高的期望值稱做場值(真空值),是希格斯玻色子的位置。而場值周圍存在所謂的量子擾動。這種量子擾動只有在微觀尺度下有意義。

在我們生活的巨觀尺度下,幾乎察覺不到任何量子擾動,所以我們平常的生活並不會意識到它們。

我們周圍有許多電路會用到二極體。在微觀尺度下看這些電路,會看到粒子般的電子周圍有量子擾動,這種量子擾動對二極體來說相當重要。

在這種量子擾動下,電流只能沿著電路中可跳躍量子擾動的方向流動,二極體才有如此特別的性質,可見量子論也是現代科技中的重要理論。

所以說,考慮初期宇宙中暴脹子場的量子擾動,可以知道當宇宙還很小時,暴脹並非在宇宙中的各個地方同時間發生。宇宙中各個地方開始暴脹與結束暴脹的時間都不一樣。

量子擾動除了會造成時間擾動,在某些條件下,我們也可以在巨觀視界下感受到密度和溫度的擾動。圖/台灣東販

量子擾動會造成時間擾動,不過在暴脹這種急速膨脹後,會轉變成超越視界的古典擾動,所以我們會在巨觀視界下觀察到,各個地方都有著不同的密度。這就是所謂的「密度擾動」或「溫度擾動」。

總而言之,最初產生量子擾動後,隨著空間的急速膨脹而迅速延伸,轉變成了空間性的密度擾動。

備註

  • 暴脹理論與大霹靂的名稱

1981 年,佐藤勝彥在大統一模型的框架下,提出真空相變會造成宇宙呈指數函數膨脹的理論。同年,古斯也發表了同樣的想法。自宇宙誕生的瞬間起(依大統一理論,約為 10−38 秒後~10−36 秒後)宇宙會以超越光速的速度,呈指數函數膨脹,然後轉變成大霹靂的「火球」宇宙。

1980 年時,為修正愛因斯坦的重力觀點,學者們提出了以指數函數膨脹中的宇宙。

而在 20 世紀初,多數學者認為「宇宙永遠不會改變」(宇宙穩態論),沒有開始,沒有結束,大小也永遠不會改變。不過宇宙穩態論的擁護者霍伊爾(Fred Hoyle)曾在某個廣播節目中說「宇宙的開始?那是大霹靂的觀點(the ‘big bang’ idea)」,於是「大霹靂」這個名稱就定了下來。

當時連愛因斯坦都相信宇宙穩態論,否定膨脹宇宙。不過在觀測結果陸續出爐後,哈伯(Edwin Hubble)、勒梅特(Georges Lemaître)等人成功說服了愛因斯坦接受宇宙正在膨脹。

——本文摘自《大人的宇宙學教室:透過微中子與重力波解密宇宙起源》,2022 年 6 月,台灣東販,未經同意請勿轉載。

台灣東販
5 篇文章 ・ 1 位粉絲
台灣東販股份有限公司是在台灣第1家獲許投資的國外出版公司。 本公司翻譯各類日本書籍,並且發行。 近年來致力於雜誌、流行文化作品與本土原創作品的出版開發,積極拓展商品的類別,期朝全面化,多元化,專業化之目標邁進。