كيف نرى الهيكل الخفي للمجرات ✛ ✎

الأصل: "Polar coordinate transformations for machine learning based dark matter subhalo detection in strong gravitational lenses"
arXiv:2607.02663v1 · 2026-07-02 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
إعادة ترتيب بسيطة لصور الفضاء تساعد في العثور على تكتلات المادة المظلمة بشكل أفضل.

يصف العلم الحديث الكون بالنموذج القياسي، حيث بدأ كل شيء بـالانفجار العظيم ويستمر في التوسع بفضل الطاقة المظلمة. لكن اللغز الأكبر في هذه القصة هو المادة المظلمة — الهيكل الخفي الذي يمنع المجرات من التفكك. لا يمكن لمسها، لكن جاذبيتها تحني الضوء مثل العدسة، وهذا ما يسمى العدسة الثقالية. أحياناً، بسبب هذا التشوه، تتحول مجرة بعيدة إلى حلقة مضيئة، وتختبئ داخلها تكتلات صغيرة من المادة المظلمة.

في ثلاثينيات القرن الماضي، لاحظ فريتز زفيكي أن المجرات تتحرك بسرعة كبيرة جداً، فافترض وجود كتلة غير مرئية. لاحقاً، أثبتت فيرا روبين ذلك بدراسة دوران النجوم.

درّب الباحثون برنامجاً للعثور على هذه التكتلات في صور من تلسكوب هابل. عادةً، ينظر الحاسوب إلى الصورة كورقة مربعات. لكن حلقة العدسة دائرية. لذا، قام العلماء بقصها وفردها في خط مستقيم، تماماً كما نفرد شريطاً ملفوفاً. على الطريق المستقيم، تبرز أي نتوءات بوضوح. هذا التحويل للبيانات سمح للبرنامج برؤية حتى أصغر التكتلات.

تلسكوب هابل، المسمى على اسم إدوين هابل، يعمل في المدار منذ أكثر من 30 عامًا، والتقط العديد من صور العدسات الثقالية.

الكشف المؤكد عن تجمعات صغيرة من المادة المظلمة سيساعد في فهم مكوناتها، مثل محاولة تخمين وصفة الحساء من حبيباته. فعدد التكتلات يعتمد على خصائص جسيماتها. هذه الطريقة الجديدة ستسرّع حل اللغز الكوني الأكبر.

وفقاً للتقديرات، تمر مليارات من جسيمات المادة المظلمة عبر غرفة عادية كل ثانية، لكنك لا تلاحظها ببساطة.

في رواية الخيال العلمي «الغابة المظلمة» للكاتب ليو تسي شين، تُستخدم العدسات الثقالية كهوائيات عملاقة للاتصال بين النجوم - تقريباً كما في علم الكونيات الحقيقي.

\rho(r) = \frac{M_0}{4\pi r (r + r_s)^2} \left( \frac{r_t^2}{r^2 + r_t^2} \right)
\rho — كثافة المادة المظلمة عند نصف القطر r، r_s — نصف القطر المميز، r_t — نصف قطر القطع، M_0 — مقياس الكتلة.
L = \frac{1}{N} \sum_{i=1}^{N} \left[ \frac{(\hat{y}_i - \mu_i)^2}{2\sigma_i^2} + \log \sigma_i \right]
L — قيمة الخسارة لـ N صورة، \hat{y}_i — الكتلة اللوغاريتمية الحقيقية، \mu_i و \sigma_i^2 — المتوسط والتباين المتوقعان.
العلماء
Fritz ZwickyVera RubinJacob BekensteinKarl SchwarzschildJoseph WeberEmmy Noether
المفاهيم
قياس الاستقطاب بالشبكات العصبية الشبكات العصبية التلافيفية عدسة ضعيفة تحليل العدسة الثقالية تعميم هالة مادة مظلمة نماذج اللغة الكبيرة التعلم الآلي التعلم العميق في التصوير الطبي موجات ثقالية من المادة المظلمة العدسية الميكروية تحويلات لورينتز الفيزياء الفلكية بالذكاء الاصطناعي بيانات التدريب استشعار عن بعد استقطابي تصنيف الصور رؤية حاسوبية (Computer Vision) التنبؤ بالخصائص الجزيئية قياس الاستقطاب معالجة اللغة الطبيعية