.Peering Into the Abyss: AI and Physics Unite to Unveil a Black Hole Flare in 3D
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Peering Into the Abyss: AI and Physics Unite to Unveil a Black Hole Flare in 3D
심연 속으로 들여다보기: AI와 물리학이 결합하여 3D로 블랙홀 플레어 공개
주제:알마인공지능천체물리학블랙홀캘리포니아 공과대학 작성자: 캘리포니아 공과대학(CALIFORNIA INSTITUTE OF TECHNOLOGY) 2024년 4월 22일 AI 블랙홀 물리학 예술 컨셉 일러스트 Caltech 과학자들은 AI 기술과 ALMA 망원경의 데이터를 사용하여 우리 은하의 초대질량 블랙홀인 궁수자리 A* 주변의 플레어를 묘사한 최초의 3D 비디오를 개발했습니다. 천체 물리학과 컴퓨터 과학을 혼합한 이 학제간 연구는 블랙홀 환경을 이해하는 데 새로운 가능성을 열어줍니다. (아티스트의 컨셉.) 출처: SciTechDaily.com
과학자들은 AI 및 ALMA 데이터를 사용하여 우리 은하 중심 블랙홀 주변의 플레어에 대한 획기적인 3D 비디오를 제작하여 역동적인 환경에 대한 새로운 통찰력을 제공합니다. 과학자들은 블랙홀 바로 주변의 환경이 엄청난 속도와 온도로 디스크에서 나선형으로 회전하는 뜨거운 자화 가스를 특징으로 하는 소란스러운 환경이라고 믿습니다.
천문학적 관찰에 따르면 그러한 원반 내에서 신비한 플레어가 하루에 여러 번 발생하여 일시적으로 밝아졌다가 사라지는 것으로 나타났습니다. 이제 Caltech 과학자들이 이끄는 팀은 망원경 데이터와 인공 지능(AI) 컴퓨터 비전 기술을 사용하여 그러한 플레어가 궁수자리 A*(Sgr A*, sadge-ay로 발음) 주변에서 어떻게 보일 수 있는지 보여주는 최초의 3차원 비디오를 복구했습니다.
- 별), 우리 은하계 의 중심에 있는 초대질량 블랙홀 . 3D 플레어 구조는 블랙홀 중심에서 약 7,500만 킬로미터(또는 지구와 태양 사이 거리의 절반)에 위치한 두 개의 밝고 컴팩트한 특징을 갖추고 있습니다. 이는 2017년 4월 11일 X선 데이터에서 볼 수 있는 폭발 직후 100분 동안 칠레의 아타카마 대형 밀리미터 어레이(ALMA)에서 수집한 데이터를 기반으로 합니다.
"이것은 블랙홀 근처에서 회전하는 가스의 최초의 3차원 재구성입니다."라고 Caltech의 컴퓨터 및 수학 과학, 전기 공학 및 천문학 조교수인 Katie Bouman이 말했습니다. 그의 그룹은 오늘 발표된 새로운 논문에서 설명된 노력을 이끌었습니다. (4월 22일) 자연 천문학 . Bouman 그룹의 박사후 연구원이자 새 논문의 주요 저자인 Aviad Levis는 비디오가 시뮬레이션은 아니지만 발생하는 사건을 직접 기록하는 것도 아니라고 강조합니다. “이것은 우리의 블랙홀 물리학 모델을 기반으로 재구성한 것입니다. 이러한 모델의 정확성에 의존하기 때문에 여전히 많은 불확실성이 있습니다.”라고 그는 말합니다. 전파 망원경 데이터와 블랙홀 물리학 모델을 기반으로 Caltech가 이끄는 팀은 신경망을 사용하여 초거대 블랙홀인 궁수자리 A*(Sgr A) 주변의 가스 디스크에서 폭발적인 폭발이 어떻게 일어나는지 보여주는 3D 이미지를 재구성했습니다. *) 보일 수도 있습니다.
여기에서 재구성된 3D 구조는 모델이 약 100분에 걸쳐 진화하면서 고정된 각도에서 보여지며 두 개의 밝은 특징이 블랙홀 주위를 추적하는 경로를 보여줍니다. 출처: A. Levis/A. 차엘/K. 부만/M. 비엘구스/P. 스리니바산
물리학을 통해 정보를 얻은 AI를 사용하여 가능한 3D 구조 파악 3D 이미지를 재구성하기 위해 팀은 예를 들어 블랙홀과 같은 엄청난 중력의 물체 주위의 시공간 곡률로 인한 빛의 휘어짐을 설명할 수 있는 새로운 컴퓨터 이미징 도구를 개발해야 했습니다. 다학문적 팀은 2021년 6월 블랙홀 주변의 플레어에 대한 3D 비디오를 만드는 것이 가능한지 먼저 고려했습니다. Bouman과 Levis가 회원으로 있는 EHT(Event Horizon Telescope) 협업은 이미 블랙홀 의 첫 번째 이미지를 게시했습니다.
M87 이라고 불리는 먼 은하의 중심에 있는 초대질량 블랙홀은 Sgr A*의 EHT 데이터로 동일한 작업을 수행하고 있었습니다. 새 논문의 공동 저자이자 Google Research의 Pratul Srinivasan은 당시 Caltech 팀을 방문하고 있었습니다. 그는 당시 연구자들이 막 사용하기 시작한 신경 복사장(NeRF)이라는 기술 개발을 도왔습니다. 이후 컴퓨터 그래픽에 큰 영향을 미쳤습니다. NeRF는 딥 러닝을 사용하여 2D 이미지를 기반으로 장면의 3D 표현을 만듭니다. 제한된 장면만 볼 수 있는 경우에도 다양한 각도에서 장면을 관찰할 수 있는 방법을 제공합니다. 팀은 신경망 표현의 최근 개발을 기반으로 블랙홀 주변의 3D 환경을 재구성할 수 있는지 궁금했습니다. 그들의 큰 도전은 지구에서 다른 곳과 마찬가지로 블랙홀에 대한 단 하나의 관점만을 얻을 수 있다는 것입니다.
여기서 재구성된 3D 구조는 X선에서 플레어가 감지된 직후 단일 시간(9:20 UT)에 표시되며 모든 각도에서 구조를 시각화하는 데 도움이 되도록 뷰가 회전됩니다. 출처: A. Levis/A. 차엘/K. 부만/M. 비엘구스/P.스리니바산
연구팀은 가스가 블랙홀 주변을 이동하면서 다소 예측 가능한 방식으로 거동하기 때문에 이 문제를 극복할 수 있을 것이라고 생각했습니다. 허리에 내부 튜브를 착용한 어린이의 3D 이미지를 캡처하려는 비유를 생각해 보십시오. 전통적인 NeRF 방법으로 이러한 이미지를 캡처하려면 어린이가 가만히 있는 동안 여러 각도에서 찍은 사진이 필요합니다. 그러나 이론상으로는 사진사가 가만히 서서 사진을 찍는 동안 아이에게 회전을 하라고 요청할 수 있습니다.
어린이의 회전 속도에 대한 정보와 결합된 시간 제한 스냅샷을 사용하여 3D 장면을 똑같이 잘 재구성할 수 있습니다. 마찬가지로, 연구진은 가스가 블랙홀로부터 다양한 거리에서 어떻게 이동하는지에 대한 지식을 활용하여 시간이 지남에 따라 지구에서 측정한 값을 사용하여 3D 플레어 재구성 문제를 해결하는 것을 목표로 했습니다. 이러한 통찰력을 바탕으로 팀은 가스가 블랙홀 주변에서 어떻게 이동하는지 고려하는 NeRF 버전을 구축했습니다.
그러나 블랙홀과 같은 거대한 물체 주위에서 빛이 어떻게 휘어지는지도 고려해야 했습니다. 공동 저자인 프린스턴 대학 의 Andrew Chael의 지도하에 팀은 중력 렌즈라고도 알려진 이러한 굽힘을 시뮬레이션하는 컴퓨터 모델을 개발했습니다. 이러한 고려 사항을 적용하여 NeRF의 새 버전은 블랙홀의 사건 지평선 주위를 공전하는 밝은 특징의 구조를 복구할 수 있었습니다.
실제로 초기 개념 증명에서는 합성 데이터에 대한 유망한 결과가 나타났습니다. 연구를 위한 Sgr A* 주위의 조명탄 하지만 팀에는 실제 데이터가 필요했습니다. 이것이 ALMA가 등장한 곳입니다. EHT의 현재 유명한 Sgr A* 이미지는 블랙홀 주변 환경이 상대적으로 평온했던 2017년 4월 6~7일에 수집된 데이터를 기반으로 했습니다. 그러나 천문학자들은 불과 며칠 후인 4월 11일에 주변에서 폭발적이고 갑작스러운 밝아짐을 감지했습니다. 독일 막스 플랑크 전파 천문학 연구소의 팀원 Maciek Wielgus가 그날의 ALMA 데이터를 다시 분석했을 때 그는 신호를 발견했습니다 .
주기는 디스크 내의 밝은 지점이 Sgr A* 주위의 궤도를 완료하는 데 걸리는 시간과 일치합니다. 팀은 Sgr A* 주변의 밝기의 3D 구조를 복구하기 시작했습니다. ALMA는 세계에서 가장 강력한 전파 망원경 중 하나입니다. 그러나 은하 중심까지의 거리가 멀기 때문에(26,000광년 이상) ALMA조차도 Sgr A*의 바로 주변을 볼 수 있는 해상도는 없습니다. ALMA가 측정하는 것은 빛 곡선입니다. 이는 본질적으로 깜박이는 단일 픽셀의 비디오이며 매 관찰 순간마다 망원경으로 감지된 모든 전파 파장 빛을 수집하여 생성됩니다.
단일 픽셀 비디오에서 3D 볼륨을 복구하는 것은 불가능해 보일 수 있습니다. 그러나 블랙홀 주변 디스크에 대해 예상되는 물리학에 대한 추가 정보를 활용하여 팀은 ALMA 데이터의 공간 정보 부족을 해결할 수 있었습니다. 플레어에서 나오는 강한 편광이 단서를 제공했습니다. ALMA는 단지 하나의 빛 곡선을 포착하는 것이 아닙니다. 실제로 망원경은 빛의 다양한 편광 상태와 관련된 데이터를 기록하기 때문에 각 관측마다 이러한 "비디오"를 여러 개 제공합니다. 파장 및 강도와 마찬가지로 편광은 빛의 기본 특성이며 광파의 전기 구성 요소가 파동의 일반적인 진행 방향에 대해 어느 방향으로 향하는지를 나타냅니다. "우리가 ALMA에서 얻는 것은 두 개의 편광된 단일 픽셀 비디오입니다."라고 Rosenberg 학자이자 Heritage Medical Research Institute 조사관이기도 한 Bouman은 말합니다.
"편광은 실제로 매우 유익합니다." 최근 이론적 연구에 따르면 가스 내에서 형성되는 핫스팟은 강하게 편광되어 있으며, 이는 이러한 핫스팟에서 나오는 광파가 뚜렷한 선호 방향을 가지고 있음을 의미합니다. 이는 더 무작위적이거나 뒤섞인 방향을 갖는 나머지 가스와는 대조적입니다. 다양한 편광 측정값을 수집함으로써 ALMA 데이터는 과학자들에게 3D 공간에서 방출이 발생하는 위치를 파악하는 데 도움이 되는 정보를 제공했습니다.
궤도편광단층촬영(Orbital Polarimetric Tomography) 소개
관측을 설명하는 가능한 3D 구조를 파악하기 위해 팀은 블랙홀 주변의 빛 굴곡 및 역학 물리학뿐만 아니라 블랙홀 궤도를 도는 핫스팟에서 예상되는 편광 방출을 통합하는 방법의 업데이트된 버전을 개발했습니다.
이 기술에서는 각각의 잠재적인 플레어 구조가 신경망을 사용하여 연속적인 볼륨으로 표현됩니다. 이를 통해 연구원들은 전체 광 곡선을 생성하기 위해 블랙홀 주위를 공전하면서 시간이 지남에 따라 핫스팟의 초기 3D 구조를 계산적으로 진행할 수 있습니다. 그런 다음 그들은 블랙홀 물리학에 따라 시간이 지남에 따라 진행되었을 때 ALMA 관측과 일치하는 최상의 초기 3D 구조를 해결할 수 있었습니다. 결과는 블랙홀 주위의 경로를 추적하는 두 개의 작고 밝은 영역의 시계 방향 움직임을 보여주는 비디오입니다.
Bouman은 “이것은 매우 흥미롭습니다.”라고 말합니다. “이런 식으로 나올 필요는 없었어요. 볼륨 전체에 임의의 밝기가 흩어져 있을 수 있습니다. 이것이 블랙홀의 컴퓨터 시뮬레이션이 예측하는 플레어와 매우 유사하다는 사실은 매우 흥미롭습니다.” Levis는 이 작업이 독특하게 학제간 작업이었다고 말합니다. “컴퓨터 과학자와 천체 물리학자 간의 파트너십이 있는데, 이는 독특하게 시너지 효과가 있습니다. 우리는 블랙홀 주변에서 빛이 전파되는 방식을 모델링하는 수치 코드 개발과 우리가 수행한 컴퓨터 이미징 작업 등 두 분야 모두에서 최첨단 기술을 함께 개발했습니다.”
과학자들은 이것이 이 흥미로운 기술의 시작일 뿐이라고 지적합니다. Levis는 "이것은 AI와 물리학이 어떻게 결합되어 다른 방법으로는 볼 수 없는 것을 드러낼 수 있는지에 대한 정말 흥미로운 응용 프로그램입니다."라고 말합니다. "우리는 천문학자들이 다른 풍부한 시계열 데이터에 이를 사용하여 다른 사건의 복잡한 역학을 밝히고 새로운 결론을 도출할 수 있기를 바랍니다." 새로운 논문의 제목은 "궁수자리 A* 초대질량 블랙홀 근처 플레어의 궤도 편광 단층촬영"입니다. 이 작업은 국립 과학 재단, Caltech의 Carver Mead New Adventures Fund, Princeton Gravity Initiative 및 유럽 연구 위원회의 자금 지원으로 지원되었습니다.
참조: "궁수자리 A* 초대질량 블랙홀 근처의 플레어에 대한 궤도 편광 단층촬영", 2024년 4월 22일, Nature Astronomy . DOI: 10.1038/s41550-024-02238-3
메모 240423_0350.0600 나의 사고실험 qpeoms 스토리텔링
천문데이타를 인공지능이 블랙홀을 3D로 분석했다고? 별로 신기해 보이지 않는다. 충분히 가능하고 향후 추세는 거의 인공지능 분석자료가 신뢰도를 가질 수 있다.
하지만 더 중요한 사실은 데이타가 qpeoms로 단위화 되지 않으면 오류는 발생하고 이를 인간이 판별하지 못하는 점이다. 우리가 아는 컴퓨터는 그런 단위의 알고리즘에 기반을 두지 않아 인공지능의 데이타 결과를 신뢰하기 어렵다.
인공지능의 능력은 별반 대단해 보이지 않는다. 가성비가 너무 낮다.
물리적으로 고성능 반도체 칩의 1억개 이상의 다수로 연산속도를 높이고 저장능력을 극대화하여 많은 경우수를 저장하고 빠르게 도출하는데 있다. 인간은 그런식으로 생물학적으로 계산하거나 저장할 수 없다.
고성능 인공지능은 거대한 터널 뚫는 기계는 작은 드릴을 크게 만든 것에 불과하다. 탁상용 pc를 더 크게 성능만 높게 돈을 마구 퍼넣고 데이타를 분류 시킨 것에 불과하다. 고성능 반도체칩과 메모리의 성능이 높아졌기에 가능하다. 더많은 데이타를 빠르게 계산하고 반응하고 비교분석하여 공통점의 패턴을 찾아내는 것은 산을 뚫는 터널기계의 초능력처럼 보인다. 물리적인 물질의 힘일 뿐이다.
인간은 그런 기계의 물리적 능력을 따라갈 수는 없어도, 산 속에 있을 희귀원소들의 광산 개발도 터널 뚫는 작업에 부수적인 수익을 올리려는 생물학적인 이익추구의 추론이 예상된다.
그리고 그 터널에서 우주선이 달이나 화성까지 단번에 날아가는 거대한 탄도 대포역할도 상상한다. 포신이 길고 포구가 거대하면 스타쉽이 곧바로 탄두 우주로켓 역할을 한다.
터널내 거대한 핵폭약으로 지구의 어느 산에서 쏴댄 스타쉽은 곧바로 지구중력권을 벗어나 달의 착륙지에 이를 것이고. 달의 터널에서 또다시 쏘아댄 우주선은 화성이나 금성, 유로파 등지로 로켓 엔진 없이 곧장 몇시간내 날아갈 것이다. 터널은 오직 거대한 회전기계만으로 만들어낸 걸작이다. 행성간 터널대포 릴레이 우주 망원경은 또 어떨까? 제임스웹 버전 우주망원경을 천왕성 밖 랑그라주 점으로 금새 내볼 것이다.
그런데, 인공지능 챗봇이 그런 정보나 옵션을 추천하기라도 하냐? 상상력이 없는 기계는 3d 물리적 지능이고 인간은 6d(육감)의 생물학적 지능을 가졌기에, 상대가 안된다.
인류에게 이러한 로켓이 필요하며 거대한 산터널이 그런 용도로 달과 화성을 오가는 일주일내로 오가는 생활권을 바로 그 터널이 가능케 한다. 물론 나의 생각이다.
그러면 인공지능 챗봇이 나의 주장에 타당성이라도 증명해줄까? 상상력이 없는 ai는 언제 인간 두뇌에 한수 아래의 차원에 머물러 있을 뿐이기에, Caltech 과학자들이 AI 기술과 ALMA 망원경의 데이터를 사용하여 우리 은하의 초대질량 블랙홀인 궁수자리 A* 주변의 플레이어를 묘사한 최초의 3D 비디오를 개발한 것에 큰 의미는 없을듯 하다. 허허.
더 많은 천문 빅데이타가 필요하고 이곳에 0.000000000000000000000000000000000000000000001퍼센트의 오류로도 엉터리 그림이 나타난다. 그럴게 될 확률은 99.99999999999999999999999999999999999999999 퍼센트이다.
오히려 간단한 몇장의 천문관측 자료로도 높은 신뢰성을 매우 높은 3d 비디오가 필요하면 qpeoms 기법을 사용하도록 ai에게 주문하기 바란다. 으음.
Memo 240423_0350.0600 My thought experiment qpeoms storytelling
Artificial intelligence analyzed black holes in 3D using astronomical data? It doesn't look very interesting. It is quite possible, and future trends can almost be trusted by artificial intelligence analysis data.
However, the more important fact is that if data is not unitized into qpeoms, errors will occur and humans cannot determine them. The computers we know are not based on such unit algorithms, so it is difficult to trust the data results of artificial intelligence.
The capabilities of artificial intelligence don't seem that great. The cost-effectiveness is too low.
Physically, with more than 100 million high-performance semiconductor chips, the calculation speed is increased and the storage capacity is maximized to store a large number of cases and derive them quickly. Humans cannot biologically calculate or store things that way.
High-performance artificial intelligence is a giant tunnel boring machine that is just a small drill enlarged. It's just a case of pouring money into a larger desktop PC and classifying the data. This is possible because the performance of high-performance semiconductor chips and memory has improved. Finding common patterns by quickly calculating, reacting, and comparing and analyzing more data seems like the superpower of a tunnel machine that drills through a mountain. It is just the power of physical matter.
Although humans cannot match the physical capabilities of such machines, it is expected that the development of mines for rare elements in the mountains will also be driven by biological profit seeking to generate additional profits from the tunneling work.
I also imagine the tunnel serving as a huge ballistic cannon that would allow a spacecraft to fly straight to the moon or Mars. If the gun barrel is long and the muzzle is huge, the Starship immediately acts as a warhead space rocket.
Starship, launched from a mountain on Earth with a huge nuclear explosive inside the tunnel, will immediately escape the Earth's gravitational sphere and reach the landing site on the Moon. The spacecraft launched again from the lunar tunnel will fly straight to Mars, Venus, Europa, etc. within a few hours without a rocket engine. The tunnel is a masterpiece created using only giant rotating machines. How about an interplanetary tunnel cannon relay space telescope? The James Webb version of the space telescope will soon be launched to the Langrage point outside Uranus.
However, does an artificial intelligence chatbot even recommend such information or options? Machines without imagination have 3D physical intelligence and humans have 6D (sixth sense) biological intelligence, so they are no match for them.
Humanity needs such a rocket, and a huge mountain tunnel is used for this purpose, making it possible to travel between the Moon and Mars within a week. Of course, this is my opinion.
So, will the artificial intelligence chatbot at least prove the validity of my claim? Since unimaginative AI is only a level below the human brain, Caltech scientists are the first to use AI technology and data from the ALMA telescope to describe players around Sagittarius A*, our galaxy's supermassive black hole. There doesn't seem to be much significance in developing 3D video. haha.
More astronomical big data is needed, and even with an error of 0.000000000000000000000000000000000000000000001 percent, a wrong picture appears. The probability of that happening is 99.99999999999999999999999999999999999999999 percent.
Rather, if you need a highly reliable 3D video with just a few simple astronomical observation data, order AI to use the qpeoms technique. Umm.
*Sampling 4-left theory
Sample oms.vix.a (standard2)
2401030806
vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd0000e0
000ac0f00bde
0c0fab000e0d
e00d0c0b0fa0
f000e0b0dac0
d0f000cae0b0
0b000f0ead0c
0deb00ac000f
ced0ba00f000
a0b00e0dc0f0
0ace00df000b
0f00d0e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
A path of qpeoms.msbase.oss
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
.Astronomers Discover 49 New Galaxies in Under Three Hours
천문학자들은 3시간 안에 49개의 새로운 은하를 발견했습니다
주제:천문학천체물리학은하국제전파천문학연구센터 작성자: 국제전파천문학연구센터 2024년 4월 22일 은하 형성 예술 개념 그림 연구자들은 처음에 단일 은하를 연구하던 중 49개 은하에서 가스를 발견했습니다. MeerKAT 망원경을 사용하여 그들은 중요한 은하 그룹과 역학을 식별하여 미래 천문학 연구에 대한 장비의 잠재력을 강조했습니다. 전 세계 천문학자 그룹이 남아프리카 공화국의 MeerKAT 전파 망원경의 도움으로 가스가 풍부한 49개의 새로운 은하를 식별했습니다.
서호주에 있는 국제 전파 천문학 연구 센터(ICRAR) 의 커틴 대학 노드 소속인 Marcin Glowacki 박사는 단일 전파 은하에서 별 형성 가스를 연구하는 것을 목표로 하는 연구를 주도했습니다. 연구팀은 연구 중인 은하계에서 별을 형성하는 가스를 발견하지 못했지만 글로와키 박사는 데이터를 조사하는 동안 다른 은하계를 발견했습니다. 총 49개 은하계의 가스가 감지됐다. Glowacki 박사는 이것이 MeerKAT과 같은 도구가 은하에서 별 형성 가스를 찾는 데 얼마나 환상적인지를 보여주는 훌륭한 예라고 말했습니다.
국제 천문학자 팀이 남아프리카공화국의 MeerKAT 전파 망원경을 사용하여 3시간도 채 안 되는 짧은 관측을 통해 49개의 새로운 은하를 발견했습니다. 크레딧: ICRAR IDIA(Inter-University Institute for Data Intensive Astronomy)의 지원을 받아 3시간도 채 걸리지 않은 관찰이 이러한 발견을 가능하게 했습니다. “이렇게 짧은 시간에 거의 50개에 달하는 새로운 은하계를 발견할 것이라고는 예상하지 못했습니다.”라고 그는 말했습니다. "다른 MeerKAT 조사에 사용되는 은하를 찾는 다양한 기술을 구현함으로써 우리는 이러한 모든 은하를 감지하고 가스 함량을 밝힐 수 있었습니다."
MeerKAT이 발견한 49개 은하 세트의 일부인 인근 은하 4개 흰색 윤곽선으로 표시된 MeerKAT이 발견한 49개 은하 집합의 일부인 인근 은하 4개. 세 개의 은하계는 가스 함량으로 서로 연결되어 있습니다. 가장 큰 은하계는 인접한 두 은하계에서 가스를 훔치고 있습니다.
배경색 이미지는 DECaLS DR10 광학 조사에서 가져온 것입니다. 크레딧: ICRAR
"49ers" 은하계 새로운 은하들은 비공식적으로 1849년 캘리포니아 골드러시 광부들을 지칭하는 49ers라는 별명을 붙였습니다. Glowacki 박사는 49개의 새로운 은하가 밤하늘의 금 덩어리만큼 가치 있다고 봅니다. 많은 은하들이 서로 가까이 있어 은하군을 형성하고 있으며, 한 번의 관찰로 여러 개가 확인되었습니다. 세 개의 은하가 가스로 직접 연결되어 있습니다.
미어캣이 감지한 가스의 개별 감지 사례 미어캣이 감지한 가스의 개별 감지 예시. 크레딧: ICRAR Glowacki 박사는 “이 세 가지는 특히 흥미롭습니다. 다른 빛의 파장에서 은하를 연구함으로써 우리는 중심 은하가 많은 별을 형성하고 있음을 발견했기 때문입니다.
별 형성에 연료를 공급하기 위해 동반 은하에서 가스를 훔쳐 다른 두 은하가 비활성화될 가능성이 높습니다.” 논문의 공동 저자이자 웨스턴 케이프 대학의 Ed Elson 교수는 이렇게 말했습니다. “이번 발견은 이미징 장비로서 MeerKAT 망원경의 강력한 성능을 강조합니다. 49ers를 연구하기 위해 우리가 개발하고 구현한 방법은 MeerKAT 대규모 과학 조사 및 우리와 같은 소규모 관찰 캠페인에 유용할 것입니다.”
49ers 은하군 49ers – 남아프리카의 MeerKAT 전파 망원경이 탐지한 가스가 풍부한 49개의 새로운 은하. 각 감지는 색상 윤곽선으로 표시되며 빨간색일수록 가스가 우리로부터 멀리 떨어져 있음을 나타내고 파란색일수록 가스가 더 가깝다는 것을 나타냅니다. 배경 이미지는 광학 PanSTARRS 측량에서 가져온 것입니다. 크레딧: ICRAR
Glowacki 박사는 최근 ICRAR 여름 학생인 Jasmine White의 도움으로 더 많은 가스가 풍부한 은하를 발견했습니다. Jasmine White는 그와 함께 작업하고 MeerKAT의 짧은 관측을 분석했습니다. Glowacki 박사는 “우리는 연구를 계속하고 가스가 풍부한 새로운 은하에 대한 더 많은 발견을 더 넓은 커뮤니티와 공유하기를 희망합니다.”라고 말했습니다.
참고: M Glowacki, L Albrow, T Reynolds, E Elson, EK Mahony 및 JR Allison의 "MeerKAT을 사용한 H i 풍부 은하군의 우연한 발견", 2024년 3월 26일, 왕립천문학회 월간 공지 . DOI: 10.1093/mnras/stae684
https://scitechdaily.com/astronomers-discover-49-new-galaxies-in-under-three-hours/
메모 240423_0458,0750 나의 사고실험 qpeoms 스토리텔링
제한된 지역에서 빛의 개체수나 가스들이 많다면 어떤 추정이 가능할까? 겹쳐진 qpeoms가 아닐까? 허허.
연구자들은 처음에 단일 은하를 연구하던 중 49개 은하에서 가스를 발견했다. MeerKAT 망원경을 사용하여 그들은 중요한 은하 그룹과 역학을 식별하여 미래 천문학 연구에 대한 장비의 잠재력을 강조했다.
나의 추정이 맞다면, MeerKAT 망원경을 사용하여 더 다양한 관측이 가능할 수 있다. 제한된 지역에는 깊이가 있다. 심우주 빅뱅까지 연결돼 있는거여. 그래서 겹쳐진 msoss.qpeoms.4d의 미세한 빛의 모양이나 가스층 분포들을 세세히 벗겨내면 49억 개의 은하단도 발견할 수 있음이여. 허허.
Memo 240423_0458,0750 My thought experiment qpeoms storytelling
What can be estimated if the number of light or gases is large in a limited area? Could it be overlapping qpeoms? haha.
The researchers discovered gas in 49 galaxies while initially studying single galaxies. Using the MeerKAT telescope, they identified important galaxy groups and dynamics, highlighting the instrument's potential for future astronomical research.
If my guess is correct, more diverse observations may be possible using the MeerKAT telescope. There is depth in a limited area. It is connected to the Big Bang in deep space. So, if we carefully peel off the minute light shapes and gas layer distributions of the overlapping msoss.qpeoms.4d, we can discover 4.9 billion galaxy clusters. haha.
*Sampling 4-left theory
Sample oms.vix.a (standard2)
2401030806
vix.a'6//vixx.a(b1,g3,k3,o5,n6)
b0acfd0000e0
000ac0f00bde
0c0fab000e0d
e00d0c0b0fa0
f000e0b0dac0
d0f000cae0b0
0b000f0ead0c
0deb00ac000f
ced0ba00f000
a0b00e0dc0f0
0ace00df000b
0f00d0e0bc0a
sample qoms (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sample pms (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
A path of qpeoms.msbase.oss
Sample oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzz
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
댓글