دانشمندان شهروند چگونه خوشۀ بزرگی از کهکشان ها را کشف کردند؟

  • شروع کننده موضوع Miss.aysoo
  • بازدیدها 241
  • پاسخ ها 0
  • تاریخ شروع

Miss.aysoo

کاربر نگاه دانلود
کاربر نگاه دانلود
عضویت
2016/05/17
ارسالی ها
3,219
امتیاز واکنش
8,180
امتیاز
703
محل سکونت
سرزمیــن عجـایبO_o
دانشمندان شهروند چگونه خوشۀ بزرگی از کهکشان ها را کشف کردند؟

بیگ بنگ: شاید شما هم مانند اکثر مردم تصور کنید که باید سال های سال درس بخوانید تا بتوانید در پژوهش های علمی مشارکت داشته باشید. این تصور شاید تا حد زیادی درست باشد. اما امروزه به لطف اینترنت مردم عادی هم می توانند در یکی از هیجان انگیزترین تلاش های بشری سهمی در تولید علم داشته باشند. آن هم درست از پشت میزکارشان در خانه!


Please, ورود or عضویت to view URLs content!
به گزارش بیگ بنگ، همین چند ماه پیش بود که
Please, ورود or عضویت to view URLs content!
گروهی از “دانشمند شهروندان”، با کلیک کردن بر روی تصاویری بر روی کامپیوتر شخصیشان در خانه، موفق به کشف یک خوشه کهکشانی با فاصله میلیون ها سال نوری شدند. اما دانشمند شهروندان چه کسانی هستند؟! ابتدا بیایید برای درک این مفهوم کمی درباره “دانش شهروندی” (Citizen Science) بدانیم.

دانش شهروندی

Please, ورود or عضویت to view URLs content!
درباره این عبارت می گوید: “دانش شهروندی” یا CS به تحقیقی گفته می شود که تمام یا بخشی از آن توسط دانشمندان آماتور یا غیر حرفه ای انجام شده باشد. اما منشا این حرکت از کی و کجا شروع شد؟ اصطلاح “دانش شهروندی” اولین بار با پروژه Stardust@home در سال ۲۰۰۶ برسر زبانها افتاد. این پروژه توسط دانشگاه برکلی برای تحقیق بر روی نمونه های گردآوری شده در پروژه سفینه فضایی Stardust به راه افتاد. قضیه از این قرار بود که سفینه “استارداست” کپسولی از ذرات گردآوری شده از دنباله دار Wild 2 را به زمین فرستاده بود. در این کپسول ذرات پر ارزش دیگری هم بودند: ذرات کمیاب گرد و غبار میان ستاره ای شکل گرفته در ستارگان دور دست. این اولین باری بود که چنین ذراتی گردآوری و به زمین فرستاده می شدند.

برای مطالعه روی این ذرات ابتدا باید از ذرات دنباله دار جدا می شدند. دانشمندان تخمین می زدند که تنها ۴۵ ذره را می توان پیدا کرد اما کار پیدا کردن و جدا سازی چندان آسان نبود. این ۴۵ ذره ی میکرونی در یک کالکتور اروژل ۱۰۰۰ سانتی متر مربعی پخش شده و همچنین صفحات این کالکتور توسط شکاف ها و جریان ها و صفحات نامساوی از هم جدا شده بودند. محققان این طرح بعد از جستجو در یک سوم کالکتور تنها ۴ ذره پیدا کرده بودند و اگر می خواستند این کار تا انتها انجام دهند بیش از ۲۰ سال زمان می برد. (میکروسکوپ آزمایشگاهشان باید چیزی حدود ۱٫۶ میلیون بار جابه جا می شد.) به خاطر همین دست به دامان دیگران شدند. اما آزمایشگاهشان تنها دو میکروسکوپ داشت و مساحت محدودی هم جا برای افراد محقق. به همین خاطر تصمیم گرفتند از این صفحات با اسکن اتوماتیک عکس هایی برای بررسی تهیه کنند. تعداد این عکس ها چیزی حدود یک میلیون عدد است که افراد مختلف می توانند برای یافتن ذرات میان ستاره ای، داوطلبانه به این پروژه بپیوندند.

این پروژه ایده ای شد برای پروژه باغ وحش کیهانی که در سال ۲۰۰۷ کلید خورد. هدف این پروژه دسته بندی کهکشان ها با استفاده از تصاویر اپتیکی است. امروزه پروژه های زیادی تحت عنوان “دانش شهروندی” در حوزه های مختلف نجوم تا بیولوژی در سراسر دنیا در حال اجراست. ایده ی یک چنین طرح هایی خیلی ساده است: مغز انسان ها عملکرد بسیار قوی تری نسبت به ابرکامپیوتر های امروزی در زمینه تشخیص تصاویر دارد. به خاطر همین پروژه های “دانش شهروندی” از مغز هزاران انسان معمولی برای حل چنین مسائلی استفاده می کند. اما عایدی “دانشمند شهروندان” از این پروژه ها چیست؟ خب، بسیار ساده است. آنها برای کمک به اکتشاف در مرزهای دانش بشری اطلاعات مفیدی بدست می آورند و فراتر از آن، چه کسی می داند شاید در یکی از اکتشافات بزرگ سهیم باشند.

Please, ورود or عضویت to view URLs content!
پروژه “نقشه تحولی کیهان” (EMU)

“نقشه تحولی کیهان” پروژه ایست که در آن از داده های رادیویی بدست آمده از تلسکوپ ۱۶۵ میلیون دلاری ASKAP در استرالیای غربی، برای فهم نحوه شکل گیری و تحول کهکشان ها کمک گرفته می شود. انتظار می رود با استفاده از داده های رادیویی ساطع شده از کهکشان ها موفق به کشف ۷۰ میلیون کهکشان در مقابل ۲٫۵ میلیون کهکشان کنونی شویم.

مشکلی که در رسیدن به این کشف بزرگ وجود دارد این است که باید منابع رادیویی کشف شده توسط این تلسکوپ را با کهکشان های کشف شده به وسیله تلسکوپ های فروسرخ و نوری انطباق دهیم. و می دانیم که هیچ تیمی در جهان تعداد اعضای کافی را برای انطباق این تعداد کهکشان آن هم با چشم ندارد. نیمی از امواج رادیویی مربوط به کهکشان هایی مانند کهکشان خودمان است که منابع رادیوییشان باقی مانده های ستارگان در حال شکل گیریند که انطباق این منابع با کهکشان های اپتیکی کار ساده ایست.

نصف دیگر این امواج مربوط به جت های الکترونی بیرون زده از سیاهچاله های عظیم مرکز کهکشانها است که باعث ایجاد دو توده عظیم رادیویی در دو طرف کهکشان می شوند. برای اینگونه منابع،EMU سه منبع را ثبت می کند. یکی خود کهکشان و دوتای دیگر هم دو جت عظیم الکترونی. حالا فرض کنید که بخواهید سه کهکشان را که در یک خط قرار دارند مشخص کنید. تجربه می گوید که این کار، آسان نیست.

Please, ورود or عضویت to view URLs content!

سیاهچاله مرکز کهکشان هرکول A در طیف رادیویی که دو جت الکترونی از دو طرف آن به بیرون فوران می کند.

الگوریتم های اتوماتیک هوشمند، مانند الگوریتم شبکه های عصبی، هنوز مراحل آغازین خود را طی می کنند و به درد چنین کاری نمی خورند. تنها یک راه می ماند: مغز آدمی! در سال ۲۰۱۰ ری نوریس استاد دانشکده ریاضیات و مهندسی کامپیوتر سیدنی غربی با کریس لینتوت یکی از بنیان گذاران پروژه باغ وحش کهکشانی ملاقات می کند و موضوع را با او در میان می گذارد. به این ترتیب “باغ وحش کهکشانی رادیویی” (RGZ) شکل می گیرد.

باغ وحش کهکشانی رادیویی

این پروژه توسط رهبری دو دانشمند جوان، جولی بنفیلد از دانشگاه ملی استرالیا و ایوی وانگ از دانشگاه استرالیای غربی، پایه ریزی می شود. بعد از دو سال طراحی و آزمایش نمونه های اولیه بالاخره پروژه در سال ۲۰۱۳ راه اندازی می شود. جالب است بدانید که از از زمان راه اندازی پروژه تاکنون ۱۰ هزار نفر مشغول کشف کهکشانها شده اند و ۱٫۶ میلیون کهکشان دسته بندی شده است. علوم آنگونه که ما می شناسیم از دو طریق پیشرفت می کنند. یک مسیر، همان مسیری است که دانشمندان سعی می کنند با تلاش زیاد “ناشناخته های شناخته شده” را حل کنند. مثلا اثبات وجود
Please, ورود or عضویت to view URLs content!
به وسیله برخورددهنده بزرگ هادرونی.

Please, ورود or عضویت to view URLs content!

اسکرین شاتی از پروژه RGZ

مسیر دیگر هم زمانی است که دانشمندان ناخواسته به نتایج غیر منتظره دست پیدا می کنند. یعنی حل “ناشناخته های ناشناخته”. مانند انرزی تاریک “دانش شهروندی” هم همینگونه است. مثلا در پروژه باغ وحش کهکشانی رادیویی از مردم خواسته می شود که کهکشان ها را از طریق انطباق تصاویر گرفته شده توسط تلسکوپ های رادیویی و فروسرخ، کشف کنند. اما گاهی هم ناگهان نتایج غیر منتظره ای به دست می آید.

خوشه کهکشانی

بعد از این همه مقدمه چینی برسیم به چیزی که به خاطرش شما را به خواندن این مطلب کشاندیم: نحوه کشف ابرخوشه کهکشانی. داستان از این قرار است که دو دانشمند شهروند روس به نام های ایوان تِرِنتِو و تیم ماتورنی درحال انطباق منابع رادیویی و فروسرخ در پروژه RGZ بودند که متوجه چیزی عجیب در مورد یکی از منابع رادیویی شدند. در واقع آنها چیزی پیدا کرده بودند که به گفته خود بنیان گذاران طرح حتی فکرش را نمی کردند که چنین چیزی ممکن باشد.

چیزی که پیدا کرده بودند درواقع همان پدیده نادر فوران جت الکترونی از یک سیاهچاله عظیم بود. اما در این مورد، جت ها در مسیرشان توسط گازهای بین کهکشانی شکل C مانندی به خود گرفته بودند. واضح بود که این نحوه خم شدن مربوط به گازهای بین کهکشانی بود که نشان از وجود یک خوشه کهکشانی داشت. کهکشانی که توسط ترنتو و ماترونی کشف شد یکی از بزرگترین کهکشان ها در نوع خودش بود.

Please, ورود or عضویت to view URLs content!

نمایش کهکشان دم شکل زاویه باز. جت های الکترونی در مسیرشان در کیهان توسط گازهای بین کهکشانی منحرف شده اند.

به این ترتیب خوشه کهکشانی که کهکشان کشف شده در آن قرار داشت به نام ماترونی-ترنتو (Matorny-Terentev) معروف شد. این خوشه بیشتر از یک میلیارد سال نوری از ما فاصله دارد و حاوی حداقل ۴۰ کهکشان است که نمونه فصل مشترکی از صفحات و فیلامنت های شبکه کیهانیست که جهان ما از آن ساخته شده است. خوشه های کهکشانی، گذشته از اهمیتی که از لحاظ ساختارهای کیهانی دارند، به سختی کشف می شوند و “کهکشان های دم شکل زاویه باز” هم یکی از بهترین راههای شناسایی اینگونه اجرام هستند.کشف اینگونه کهکشان ها، آنهم از میان میلیون ها منبع رادیویی مانند یافتن سوزن در انبار کاه است.

دانش ما در مورد خوشه ها واقعا ناچیز است اما شناخت این ساختارها به فهم ما در مورد نحوه شکل گیری کیهان کمک زیادی می کند. با اینکه نه سرعت پیشرفت پروژه RGZ به اندازه کافی زیاد است و نه الگوریتم های یادگیری ماشین در این زمینه خیلی پیشرفت کرده اند، باز هم پروژه در جریان است تا ببینیم چه اکتشافاتی از دل آن بیرون خواهد آمد. یکی از فواید پروژه “باغ وحش کیهانی رادیویی” این است که ما می توانیم به کمک آن الگوریتم های یادگیری ماشین را توسعه دهیم. با این کار “دانشمند شهروندان” تنها آدمهایی انطباق دهنده نخواهند بود. بلکه معلمانیند که به الگوریتم های نسل بعد یاد می دهند که چگونه باید کهکشان ها را دسته بندی کرد.
 

برخی موضوعات مشابه

بالا