Ciencia.-Físicos del DES abren una nueva ventana en la energía oscura

Guardar
07/04/2021 Mapa de densidad del Dark Energy Survey (DES)
POLITICA INVESTIGACIÓN Y TECNOLOGÍA
CHUN-HAO TO/STANFORD UNIVERSITY, SLAC
07/04/2021 Mapa de densidad del Dark Energy Survey (DES) POLITICA INVESTIGACIÓN Y TECNOLOGÍA CHUN-HAO TO/STANFORD UNIVERSITY, SLAC


MADRID, 7 (EUROPA PRESS)

Por primera vez, físicos han podido combinar mediciones de la distribución de materia, galaxias y cúmulos de galaxias para avanzar en nuestra comprensión de la energía oscura.

Alcanzar ese objetivo resultó ser bastante complicado, pero ahora un equipo adscrito al Dark Energy Survey (DES) dirigido por investigadores del SLAC National Accelerator Laboratory, la Universidad de Stanford y la Universidad de Arizona han encontrado una solución. Su análisis, publicado en Physical Review Letters, arroja estimaciones más precisas de la densidad promedio de la materia, así como de su propensión a agruparse, dos parámetros clave que ayudan a los físicos a investigar la naturaleza de la materia oscura y la energía oscura, las misteriosas sustancias que constituyen la gran mayoría del universo.

"Es una de las mejores limitaciones de uno de los mejores conjuntos de datos hasta la fecha", dice en un comunicado Chun-Hao To, autor principal del nuevo artículo y estudiante de posgrado en SLAC y Stanford que trabaja con la directora del Instituto Kavli de Astrofísica de Partículas y Cosmología, Risa Wechsler.

Cuando DES se propuso en 2013 mapear una octava parte del cielo, el objetivo era recopilar cuatro tipos de datos: las distancias a ciertos tipos de supernovas o estrellas en explosión; la distribución de la materia en el universo; la distribución de galaxias; y la distribución de los cúmulos de galaxias. Cada uno le dice a los investigadores algo sobre cómo ha evolucionado el universo a lo largo del tiempo.

Idealmente, los científicos juntarían las cuatro fuentes de datos para mejorar sus estimaciones, pero hay un inconveniente: las distribuciones de materia, galaxias y cúmulos de galaxias están estrechamente relacionadas. Si los investigadores no tienen en cuenta estas relaciones, terminarán "contando dos veces", poniendo demasiado peso en algunos datos y no lo suficiente en otros, dice To.

Para evitar el mal manejo de toda esta información, la astrofísica de la Universidad de Arizona Elisabeth Krause y sus colegas han desarrollado un nuevo modelo que podría explicar adecuadamente las conexiones en las distribuciones de las tres cantidades: materia, galaxias y cúmulos de galaxias. Al hacerlo, pudieron producir el primer análisis para combinar adecuadamente todos estos conjuntos de datos dispares para aprender sobre la materia oscura y la energía oscura.

Agregar ese modelo al análisis DES tiene dos efectos, dice To. Primero, las mediciones de las distribuciones de materia, galaxias y cúmulos de galaxias tienden a introducir diferentes tipos de errores. La combinación de las tres mediciones facilita la identificación de dichos errores, lo que hace que el análisis sea más sólido. En segundo lugar, las tres medidas difieren en cuán sensibles son a la densidad promedio de la materia y su aglomeración. Como resultado, la combinación de los tres puede mejorar la precisión con la que el DES puede medir la materia oscura y la energía oscura.

En el nuevo artículo, To, Krause y sus colegas aplicaron sus nuevos métodos al primer año de datos de DES y afinaron la precisión de estimaciones anteriores para la densidad y aglomeración de la materia.

Ahora que el equipo puede incorporar materia, galaxias y cúmulos de galaxias simultáneamente en su análisis, agregar datos de supernovas será relativamente sencillo, ya que ese tipo de datos no están tan estrechamente relacionados con los otros tres, dice To.

"El siguiente paso inmediato", dice, "es aplicar la maquinaria a los datos del año 3 de DES, que tiene una cobertura del cielo tres veces mayor". Esto no es tan simple como parece: si bien la idea básica es la misma, los nuevos datos requerirán esfuerzos adicionales para mejorar el modelo para mantenerse al día con la mayor calidad de los datos más nuevos, dice To.

Guardar