科普科普·

太阳系中心是太阳,银河系中心是黑洞,那么宇宙中心是什么?

Publié à 2024-08-21 23:37:39Vu 50 fois
Article de vulgarisation scientifique
Réimpression Veuillez indiquer la source

简单讲,宇宙没有中心!

根据现代主流科学理论,我们的宇宙起源于138亿年前的大爆炸,大爆炸发生之后,一直不断膨胀,一直到今天仍然没有停止。

虽然宇宙一直在膨胀,但并没有中心,因为所有空间都在不停地膨胀,任何空间都是一样的。

说白了,宇宙大爆炸并不是我们通常看到的爆炸或者膨胀,宇宙并不是从一个固定的中心点向外扩张膨胀的,而是整个宇宙都在同时膨胀扩张,均衡的扩张。

20世纪20年代著名物理学家哈勃就发现了宇宙在膨胀,而且测量出了宇宙的膨胀速度。不过根据哈勃定律,宇宙中的每个点的扩张速度都是一样的,并不只是向外扩张。

比如说,假设火星以一万公里的时速远离地球,木星同样以一万公里的时速远离火星,那么对于地球来讲,木星的远离速度就是时速两万公里。人类自然会看到木星的远离速度是时速两万公里。

不过木星上有外星人,他们同样会看到所有的物体也都是向外扩张的,会看到地球的远离速度是时速两万公里。

也就是说,在宇宙中的任何位置,看到的宇宙都与我们在地球上看到的宇宙是一样的。

最直观的一个比喻就是气球的膨胀,我们吹一个气球,气球上的每个点之间的距离就会变大,如果气球表面上的每个点代表一个天体,天体之间的距离会随着气球的膨胀而增加。

不过用气球来比喻会带来其他困惑,甚至有造成误导。我们必须把三维空间与气球的二维表面做类比,而不是把三维空间与整个气球做类比。

由于气球表面是均匀的,没有任何一点可以当做中心,说白了气球本身的中心根本不在表面上,表面也不存在所谓的中心,正如宇宙不存在中心一样。

所以,最关键的一点是,将宇宙的三维空间类比成气球的二维表面。

气球大小是有限的,但二维的气球表面并没有所谓的中心,当然你也可以认为二维表面处处都是中心。

正如科学家们测量到的可观测宇宙直径为930亿光年一样,这个数值就是以地球为中心测量到的。

同样地,在宇宙中其他任何星球上测量可观测宇宙的直径都是930亿光年,因为无论在宇宙中任何地方观看,看到的基本都差不多,这也是宇宙各向同性的直接体现,正如在气球表面任何一点向四周看,看到的东西没有什么不同。

Section des commentaires

Pas encore de commentaire, ajoutez le premier.

弦圈热门内容

Vertically aligning CSS :before and :after content

I am trying to centre the link with the image, but can't seem to move the content vertically in any way.<h4>More Information</h4> <a href="#" class="pdf">File Name</a>The icon is 22 x 22px.pdf { font-size: 12px; } .pdf:before { padding:0 5px 0 0; content: url(../img/icon/pdf_small.png); } .pdf:after { content: " ( .pdf )"; font-size: 10px; } .pdf:hover:after { color: #000; }

数据清洗之异常值处理

在数据清洗过程中,异常值处理是一个非常重要的步骤。异常值,也称为离群值或异常点,是指与大多数观察值明显不同的观察值。这些值可能是由于测量错误、数据录入错误、设备故障或者真实现象的特殊情况而产生的。异常值可能会对数据分析和建模产生负面影响,因此需要进行适当的处理。下面是一些常见的异常值处理方法:删除异常值: 最简单的方法是直接删除异常值。这种方法适用于异常值数量较少、对数据整体影响较小的情况。但是,如果异常值数量较多或者对数据整体影响较大,则不建议使用这种方法。替换异常值: 可以用数据集的其他统计特征值(如均值、中位数、众数)来替换异常值。这种方法可以保持数据集的整体分布特征,并且相对于直接删除异常值,对数据的影响较小。分箱处理: 将数据分成多个箱子(bins),然后用每个箱子的均值或中位数来代替箱子中的异常值。这种方法可以减少异常值对整体数据的影响,并且保持了数据的整体分布特征。基于模型的方法: 可以使用回归、聚类或其他机器学习模型来识别和处理异常值。这些模型可以自动识别数据中的异常值,并提供相应的处理方案。使用离群值检测算法: 可以使用一些专门用于检测异常值的算法,如孤立森林、局部异 ...