आइंस्टीन का ब्रह्मांडीय स्थिरांक वापस आ गया है और इसने ब्रह्मांड विज्ञान को बदल दिया है

द्वारा संपादित: Svitlana Velhush

एक सदी से भी अधिक समय पहले, अल्बर्ट आइंस्टीन ने ब्रह्मांड की संरचना पर अपने सामान्य सापेक्षता के सिद्धांत को लागू किया था। 1917 वर्ष में, उन्होंने समीकरणों में एक ब्रह्मांडीय स्थिरांक जोड़ा, जिसे ग्रीक अक्षर लैम्ब्डा द्वारा दर्शाया गया, ताकि एक स्थिर ब्रह्मांड का वर्णन किया जा सके, जैसा कि उस समय माना जाता था।

यह जोड़ कारगर रहा: यह स्थिरांक एक ऐसा प्रभाव पैदा करता था जो पदार्थ के गुरुत्वाकर्षण खिंचाव का विरोध करता था। हालाँकि, जल्द ही एडविन हबल ने ब्रह्मांड के विस्तार की खोज की, और अलेक्जेंडर फ्रीडमैन ने दिखाया कि आइंस्टीन के समीकरण स्वाभाविक रूप से एक गतिशील ब्रह्मांड विज्ञान का वर्णन करते हैं।

आइंस्टीन ने लैम्ब्डा को त्याग दिया और बाद में इसे पेश करने को अपनी "सबसे बड़ी भूल" बताया। स्थिरांक के बिना वाला मॉडल बिग बैंग सिद्धांत का आधार बन गया।

1998 वर्ष में, खगोलविदों के दो समूहों ने पाया कि ब्रह्मांड का विस्तार धीमा नहीं हो रहा है, बल्कि तेज हो रहा है। देखे गए व्यवहार को समझाने के लिए पदार्थ बहुत कम था, और सबसे सरल स्पष्टीकरण फिर से ब्रह्मांडीय स्थिरांक बन गया - अब डार्क एनर्जी की भूमिका में।

इस प्रकार ΛCDM मॉडल का उदय हुआ, जहाँ लैम्ब्डा डार्क एनर्जी को दर्शाता है, और CDM का अर्थ कोल्ड डार्क मैटर है। यह मॉडल सामान्य सापेक्षता के ढांचे के भीतर मापदंडों की एक छोटी संख्या पर निर्भर करता है और विस्तार के इतिहास, कॉस्मिक माइक्रोवेव बैकग्राउंड, बेरियोनिक ध्वनिक दोलनों, आकाशगंगाओं के विकास और बड़े पैमाने की संरचना का सफलतापूर्वक वर्णन करता है।

ΛCDM विज्ञान में सबसे अधिक परीक्षित मॉडलों में से एक बन गया है। और फिर भी, ऐसा लगता है कि यह अंतिम नहीं है।

त्वरण की खोज ने आइंस्टीन के विचार को आधुनिक ब्रह्मांड विज्ञान के केंद्र में वापस ला दिया है, लेकिन इसने डार्क एनर्जी की प्रकृति और दुनिया की वर्तमान तस्वीर की संभावित सीमाओं के बारे में सवाल खड़े कर दिए हैं।

137 दृश्य

स्रोतों

  • Einstein’s Biggest “Mistake” Came Back — And Changed Cosmology Forever

टिप्पणियाँ

इस विषय पर अधिक लेख पढ़ें:

Korea Aerospace Industries says its AI module on the 12U BEE-1012 CubeSat, launched on Nuri Oct 7, passed an orbital pilot Oct 20. Given a simulated fault, it diagnosed cause and scope and sent back a fix plan. A main demo starts in December. Image Credit: Yonsei University

Image
Reply

Great paper from Anthropic on AI agents doing ML-for-science research. (bookmark it) If you build AI-scientist systems, this one is worth your time. They propose Agent4Sci, which gives frontier coding agents 20 scientific ML benchmarks across 11 domains and asks them to beat

Image
Reply
क्या आपने कोई गलती या अशुद्धि पाई?हम जल्द ही आपकी टिप्पणियों पर विचार करेंगे।