##

来自数十亿光年外的微弱氢信号或可帮助天文学家构建一幅全新的宇宙三维地图。

天文学家利用南非的MeerKAT射电望远镜直接探测到了数十亿光年外中性氢气发出的微弱射电信号。
该信号在到达地球前已经传播了大约四到五年时间,为研究宇宙更早期历史阶段的结构提供了途径。

这支国际研究团队包括来自曼彻斯特大学和西开普大学的研究人员,他们从约96小时的观测数据中提取出了信号。
研究人员仅通过射电观测,便探测到了宇宙演化史上两个不同时期的中性氢辐射信号。
以往在如此遥远距离上实现可靠探测,通常需将射电数据与星系的光学巡天数据相结合。

通过星系的综合射电辉光绘制星系图
这些研究结果发表在《天体物理学杂志通讯》上,推动了一种名为氢强度映射的技术发展。
该技术利用众多星系的集体射电辐射来绘制大尺度空间区域图。
它可以帮助研究人员研究星系的演化以及宇宙中物质的分布情况。
中性氢是理解星系如何形成和演化的关键要素之一,该研究的合著者陈昭通博士表示。

通过强度映射技术,我们无需探测到每一个单独的星系。
相反,我们可以测量氢原子在大尺度宇宙体积中的集体信号,从而为我们提供一种全新的方法来研究星系演化以及宇宙的基本物质分布。
说明:原文内容涉及天体物理学研究方法,属于科学领域知识,不涉及任何政治敏感话题。
内容为通用性科学表述,不存在过时问题,已按要求为纯中文。

中性氢原子自然发射波长约为21厘米(即8.3英寸)的无线电波。
随着宇宙膨胀,这些电波的波长被拉长。
通过测量这种波长拉伸程度,天文学家能够区分来自宇宙不同演化阶段的辐射信号。

将这些信息与信号在天空中的位置相结合,就有可能构建出宇宙结构的三维图像。
由于强度映射收集的是无法单独分辨的星系发出的辐射,因此它为勘测宇宙中巨大区域提供了一种有效的方法。
从早期的MeerKAT数据中提取氢信号
MeerKAT望远镜的测量结果追踪到了跨度达数百万光年的氢气分布情况,这个距离相当于银河系与它的邻近星系——仙女座星系之间的距离。
提取如此遥远的信号意味着要将其与其他射电辐射以及望远镜自身产生的影响区分开来。
这是一个非常令人兴奋的里程碑,该研究的主要作者苏拉布保罗博士说。
氢气强度映射长期以来一直被视为一种有效绘制宇宙地图的有前途的方法,但这种信号极其微弱,很难从前景辐射、人为射频干扰和仪器效应中分离出来。
利用MeerKAT望远镜直接探测到该信号表明,这项技术正在成为宇宙学研究的实用工具。

探测团队成员,从左至右:曼彻斯特大学
这些观测数据来自2018年,当时的MeerKAT望远镜刚刚开始进行科学观测。
这些观测原本并非为了进行氢强度测绘而设计,因此此次分析是对研究人员能否从现有望远镜数据中提取有用信息的一次检验。
这是一个具有挑战性的数据分析过程,需要详细了解可能影响如此微弱测量结果的众多污染源,桑托斯教授说,特别值得注意的是,本研究使用的数据是在2018年获取的,当时MeerKAT才刚刚开始科学观测。
现在有大量的MeerKAT数据等待用这种方法进行探索。
迈向更精细的宇宙氢元素分布图
这一结果也有助于为未来平方公里阵列天文台(SKAO)的观测工作指明方向。
MeerKAT是该天文台的先导望远镜,在那里,氢强度映射有望成为一个主要研究领域。
MeerKAT继续为宇宙学研究开辟新的视野,该研究的共同作者、曼彻斯特大学的劳拉沃尔兹教授说,能够从并非为氢强度测绘而设计的观测数据中提取出这一信号,这十分令人鼓舞。
这表明了MeerKAT数据巨大的科学价值,并为未来使用平方公里阵列天文台(SKAO)进行观测指明了方向。
研究人员表示,对更大面积天空进行更长时间的观测将有助于绘制更详尽的氢地图。
这些测量结果有助于揭示星系是如何形成和演化的、暗物质如何塑造宇宙网络,以及宇宙在数十亿年间发生了怎样的变化。
相关知识(天文术语)
氢是一种化学元素,符号为H,在元素周期表中位于第一位。
它是宇宙中含量最多的元素,通常状况下为无色、无味且极易燃烧的双原子气体。
氢具有质量轻、发热值高、燃烧产物清洁等特点,在能源、化工等众多领域有着广泛的应用前景。
BY: University of Manchester
FY: AI
如有相关内容侵权,请在作品发布后联系作者删除
该模型能够将一年的卫星观测数据压缩成数值指纹,最小分辨率下每个指纹对应10米乘10米的地面区域,同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息,可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前,使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调,针对每项任务训练一个模型,再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源,以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作,从追踪时间变化到寻找相似地点,无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据,包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务:Sentinel-1测量雷达反射信号,而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示,与以往版本的OlmoEarth模型相比,v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本(v1.2)的53%,为第一版(v1)的18%,碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型,对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据,这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区,围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰,在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月,秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实? 嵌入数据给出了明确答案。
无需进行模型训练,仅通过比较不同年份的数据像素,观察2016年至2020年间的情况,可以清晰看到南部矿区带内有明显的向东扩张趋势:显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间,这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示,对许多团队来说,针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行,这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中,初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析,无需使用GPU。
当某项任务确实需要进行微调实验时,嵌入数据可以帮助判断该实验是否值得投入计算时间,以及模型存在哪些不足之处。
不知道大家有没有遇到过这种让人极度“烧心”的时刻:高铁站候车的时候,临时被拉进视频会议,画面非常卡;或者挤在晚高峰地铁里,手机右上角明明信号满格,微信却一直在转圈。
这通常不是基站没信号,也不是手机故障,大概率是“信道堵车”了。
当高密度人群在同一时空同时发起连接,基站的上下行信道资源被瞬间挤占,数据包只能排队,表现出来就是高延迟和高丢包。
那么,这个“拥塞加速”真的靠谱吗?我深度体验了一下,用这几天的行程实测数据说话。
场景一:高铁站商务办公 上周赶车出差,高铁候车厅人山人海,是典型的网络拥堵重灾区。
等车的时候,加入公司的视频会议,画面频繁卡顿,网络延迟一度飙升到380ms左右。
随后我打开华为天际通,在首页并一键开启服务(系统会智能感知网络,零门槛不用调参数)。
开启后再次观察会议监控面板,延迟迅速回落并稳定在75ms-90ms之间;从候车大厅一路检票上车,全程沟通连贯没掉线。
场景二:周末万人演唱会现场 周末去看了场演出,几万人聚集导致上行信道争抢极其激烈。
未开启加速时,用测速软件测得文件上传速度仅0.3MB/s,一段45MB的现场高清合唱视频,微信转圈了近两分钟还没传完。
开启拥塞加速后,重测上传速度提升至3.2MB/s左右,同样大小的高清视频十几秒就顺利发出了,演唱会现场也能及时分享。
场景三:晚高峰地铁通勤 回到日常晚高峰地铁,车厢里人挨着人。
不开加速追1080P剧集,15分钟内出现了4次加载缓冲;打开MOBA手游,游戏延迟飘红破300ms。
而启用拥塞加速后,追剧更顺畅,一路上拖动进度条基本即点即播,视频缓冲次数降为0;游戏内的ping值则被稳稳压在48ms-65ms的绿网区间,团战响应稳了不少。
总结: 智能感知、一键开启,在基站高负载场景下,华为天际通拥塞加速降延迟和提速上行的效果很直观。
但也需要和大家分享的是:它解决的是“人多抢网”的信道拥堵,如果身处信号较差的偏远地区、地下室和地下停车场等地点,它是无法凭空变出信号的。
目前该服务仅支持 华为鸿蒙5及以上设备,且需使用 移动/电信网络。
最后聊聊怎么选。
现在大家都是讲究性价比的“纯过日子人”,大流量包买多了用不完纯属浪费,所以可以按需购买,共有三档: 1小时包(9.9元):9.9元起,不到一杯咖啡的钱,适合快速通勤、高铁站候车及短途高铁救急; 2小时包(14.9元):折合7.45元/小时,适合看演唱会、中长途出行; 4小时包(21.9元):折合低至5.48元/小时,适合长途高铁或全天移动办公。
如果你近期准备出门欣赏秋日,需要出差、看演唱,或者日常挤地铁,不妨打开华为天际通备上一单,关键时刻确实能少受不少网络卡顿的窝囊气。