من ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه میکنم. متن کامل مقالات رو میتونین به صورت ترجمه شده از لینکی که در پایین پست قرار میگیره بخونین
نظریه مشهور استفان هاوکینگ در مورد سیاهچاله ها تایید شد.
منتشر شده در livescience به تاریخ ۱۹ ژوئن ۲۰۲۱
لینک منبع: Famous Stephen Hawking theory about black holes confirmed
ثابت شدهاست که یکی از مشهورترین قضایای استفان هاوکینگ درست است و از ریپل ها در فضا-زمان ناشی از ادغام دو سیاهچاله دور دست استفاده میکند.
قضیه منطقه سیاهچاله، که هاوکینگ آن را در سال ۱۹۷۱ از نظریه نسبیت عام Einstein's به دست آورد، بیان میکند که کاهش مساحت یک سیاهچاله در طول زمان غیر ممکن است. قانون دوم ترمودینامیک که بیان میکند آنتروپی یا بینظمی یک سیستم بسته همیشه باید افزایش یابد. از آنجا که آنتروپی یک حفره سیاه متناسب با مساحت سطحی آن است، هر دو باید همیشه افزایش یابند.
با توجه به مطالعه جدید، تایید محققان از قانون منطقه به نظر میرسد نشان میدهد که ویژگیهای سیاهچالهها سرنخهای مهمی برای قوانین مخفی حاکم بر جهان هستند. به طرز عجیبی، به نظر میرسد قانون منطقه با یکی دیگر از فرضیات معروف ثابت شده فیزیکی در تضاد است: که سیاهچالهها باید در مقیاس زمانی بسیار طولانی تبخیر شوند، بنابراین فهمیدن منبع تناقض بین دو نظریه میتواند فیزیک جدید را پدیدار کند.
مساحت سطح یک سیاهچاله را نمیتوان کاهش داد، که مانند قانون دوم ترمودینامیک است. ماکسیمیلیانو ایسی، یک ستارهشناس در موسسه فنآوری ماساچوست، به علوم زنده گفت: «این روش همچنین دارای حفاظت از جرم است، چرا که شما نمیتوانید جرم آن را کاهش دهید، بنابراین شبیه به حفاظت از انرژی است.» در ابتدا مردم اینطور بودند که میگفتند وای، این یک موازی جالب است، اما ما خیلی زود متوجه شدیم که این یک اصل اساسی است. سیاهچالهها آنتروپی دارند و با مساحت آنها متناسب است. این تنها یک تصادف خندهدار نیست، بلکه حقیقتی عمیق در مورد دنیایی است که آنها آشکار میکنند.
مساحت سطح یک حفره سیاه توسط یک مرز کروی به نام افق رویداد تعیین میشود -فراتر از این نقطه هیچ چیز، حتی نور، نمیتواند از کشش گرانشی قدرتمند خود فرار کند. با توجه به تفسیر هاوکینگ از نسبیت عام، همانطور که مساحت سطح یک حفره سیاه با جرم آن افزایش مییابد، و از آنجا که هیچ شیئی که به داخل پرتاب شود نمیتواند خارج شود، مساحت سطح آن نمیتواند کاهش یابد. اما سطح یک سیاهچاله نیز کوچکتر میشود، بنابراین محققان در این فکر هستند که آیا می توان یک شی را به اندازه کافی به داخل پرتاب کرد تا سیاهچاله به اندازه کافی بچرخد تا مساحت خود را کاهش دهد.
ایسی گفت: «شما میتوانید آن را بیشتر بچرانید، اما نه آنقدر که توازنی که به آن اضافه کردهاید را خنثی کنید.» «هر کاری که انجام دهید، جرم و چرخش آن را طوری میسازند که به یک منطقه بزرگتر برسید.»
برای آزمایش این نظریه، محققان امواج گرانشی یا ریپلها را در بافت فضا-زمان تجزیه و تحلیل کردند، که ۱.۳ میلیارد سال پیش توسط دو سیاهچاله به وجود آمد که با سرعت زیاد به سمت یکدیگر حرکت میکردند. این امواج اولین امواجی بودند که در سال ۲۰۱۵ توسط رصدخانه موج-جاذبه لیزر پیشرفته (LIGO) شناسایی شدند، یک پرتو لیزر به دو مسیر ۲،۴۸۵ مایل طول (۴ کیلومتر) تقسیم شد و قادر به تشخیص کوچکترین انحراف در فضا-زمان با چگونگی تغییر طول مسیر آن بود.
با تقسیم سیگنال به دو نیمه -قبل و بعد از ادغام سیاهچالهها- محققان جرم و چرخش هر دو سیاهچالههای اصلی و ترکیب جدید را محاسبه کردند. این اعداد به نوبه خود به آنها این امکان را میدهد که سطح هر سیاهچاله را قبل و بعد از برخورد محاسبه کنند.
ایسی گفت: «همانطور که آنها سریعتر و سریعتر دور یکدیگر میچرخند، امواج گرانشی دامنه را بیشتر و بیشتر افزایش میدهند تا اینکه سرانجام در یکدیگر فرو میروند و این انفجار بزرگ امواج را ایجاد میکنند.» آنچه برای شما باقیمانده است یک سیاهچاله جدید است که در این حالت برانگیخته قرار دارد، که شما میتوانید آن را با تجزیه و تحلیل چگونگی ارتعاش آن مطالعه کنید. مثل این است که اگر زنگ بزنید، زمینها و مدت زمان مشخصی که به صدا در میآید ساختار آن زنگ را به شما میگوید و همچنین از چه عواملی ساخته شدهاست.
مساحت حفره سیاه تازه ایجاد شده از مجموع دو حفره اولیه بزرگتر بود که قانون مساحت هاوکینگ را با سطح اطمینان بیش از ۹۵٪ تایید میکند. طبق گفته محققان، نتایج آنها تقریبا با آنچه انتظار داشتند مطابقت دارد. نظریه نسبیت عام -که قانون ناحیه از آن ناشی میشود- کار بسیار موثری در توصیف سیاهچالهها و دیگر اشیا در مقیاس بزرگ انجام میدهد.
با این حال، راز واقعی زمانی آغاز میشود که ما تلاش میکنیم نسبیت عام -قوانین اشیا بزرگ- را با مکانیک کوانتومی -که همان قوانین اشیا بسیار کوچک هستند- ادغام کنیم. رویدادهای عجیب و غریب شروع به وقوع میکنند، قوانین سخت و سریع ما را به هم میزنند، و قانون منطقه را به طور کامل نقض میکنند.
دلیل آن این است که سیاهچاله ها نمیتوانند براساس نسبیت عام کوچک شوند اما میتوانند براساس مکانیک کوانتومی کوچک شوند. فیزیکدان برجسته بریتانیایی در قانون سطح زمین همچنین مفهومی به نام تابش هاوکینگ را توسعه داد که در آن مهی از ذرات در لبههای سیاهچالهها از طریق اثرات کوانتومی عجیب منتشر میشود. این پدیده باعث میشود که سیاهچالهها کوچک شوند و در نهایت در طول یک دوره زمانی چند برابر طولانیتر از سن جهان، تبخیر میشوند. این تبخیر ممکن است در مقیاسهای زمانی به اندازه کافی طولانی باشد که در کوتاهمدت قانون منطقه را نقض نکند، اما این برای فیزیکدانان کوچک است.
ایسی گفت: «از نظر آماری، در یک بازه زمانی طولانی، قانون نقض میشود.» مثل آب جوش است، شما بخار را از ماهیتابه خود تبخیر میکنید، اما اگر فقط خودتان را محدود کنید که به آب در حال ناپدید شدن درون آن نگاه کنید، ممکن است وسوسه شوید که بگویید آنتروپی ماهیتابه در حال کاهش است. اما اگر بخار را نیز در نظر بگیرید، آنتروپی کلی شما افزایشیافته است. این مساله در مورد سیاهچالهها و اشعه هاوکینگ نیز صدق میکند.
با قانون ناحیه ایجاد شده برای فریمهای زمانی کوتاه تا متوسط، گامهای بعدی محققان تجزیه و تحلیل دادههای بهدستآمده از امواج گرانشی بیشتر برای بینشهای عمیقتر است که میتواند از سیاهچالهها جمعآوری شود.
او میگوید: من به دلیل اینکه این اشیا چقدر متناقض هستند، نسبت به آنها وسواس دارم. آنها بسیار مرموز و گیجکننده هستند، با این حال ما میدانیم که سادهترین اشیا موجود هستند. «این امر، و همچنین این واقعیت که آنها در جایی هستند که جاذبه با مکانیک کوانتومی ملاقات میکند، آنها را به زمینبازی کاملی برای درک ما از آنچه واقعیت دارد تبدیل میکند.»
این متن با استفاده از ربات مترجم مقاله نجوم ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه میتواند دارای برخی اشکالات ترجمه باشد.
مقالات لینکشده در این متن میتوانند به صورت رایگان با استفاده از مقالهخوان ترجمیار به فارسی مطالعه شوند.
مطلبی دیگر از این انتشارات
رابطه جنسی، سطوح و افراد - چه چیزهایی باعث پخش شدن ویروس کرونا میشوند؟
مطلبی دیگر از این انتشارات
هوش مصنوعی حساس، از واقعیت تا وعدههای جعلی
مطلبی دیگر از این انتشارات
به سوی پایپلاین یادگیری کاملا خودکار