破解哈勃难题：中子星碰撞有望照亮研究宇宙膨胀之路

尼尔斯-玻尔研究所（Niels Bohr Institute）建议利用千新星（中子星合并产生的爆炸）来解决宇宙膨胀率测量中的差异问题。初步结果很有希望，但还需要更多的案例来验证。

近年来，天文学陷入了危机： 尽管我们知道宇宙在膨胀，尽管我们知道膨胀的大致速度，但测量这种膨胀的两种主要方法却不一致。现在，尼尔斯-玻尔研究所的天体物理学家提出了一种新方法，或许有助于解决这一矛盾。

宇宙膨胀

自从大约 100 年前埃德温-哈勃和其他天文学家测量了周围一些星系的速度后，我们就知道了这一点。宇宙中的星系被这种膨胀"带"走，从而彼此后退。

两个星系之间的距离越远，它们之间的移动速度就越快，而这种移动的精确速度是现代宇宙学中最基本的量之一。描述宇宙膨胀的数字被称为"哈勃常数"，它出现在宇宙及其组成成分的众多不同方程和模型中。

星系静静地躺在太空中，但太空本身却在膨胀。这导致星系以不断增加的速度彼此远离。不过具体有多快还是个谜。图片来源：ESO/L. 卡尔卡达 星系在太空中静止不动，但太空本身却在不断膨胀。这就导致星系以越来越快的速度相互远离。不过具体有多快还是个谜。资料来源：ESO/L. 卡尔卡达

哈勃难题

因此，要了解宇宙，我们必须尽可能精确地知道哈勃常数。有几种方法可以测量哈勃常数；这些方法相互独立，但幸运的是，它们得到的结果几乎相同。

原则上，最容易理解的直观方法就是埃德温-哈勃和他的同事们在一个世纪前使用的方法： 找到一堆星系，测量它们的距离和速度。实际上，这是通过寻找恒星爆炸的星系，即所谓的超新星来实现的。这种方法还辅以另一种方法，即分析所谓宇宙背景辐射中的不规则现象；这是一种古老的光形式，可以追溯到宇宙大爆炸后不久。

这两种方法--超新星法和背景辐射法--得出的结果总是略有不同。但任何测量都有不确定性，而几年前的不确定性已经足够大，我们可以把这种差异归咎于不确定性。

左半球显示的是 1572 年第谷-布拉赫（Tycho Brahe）发现的超新星不断膨胀的残留物，这里用 X 射线观察（图片来源：NASA/CXC/Rutgers/J.Warren & J.Hughes et al.）。右图是用微波观测到的半边天宇宙背景辐射图。资料来源：NASA/WMAP 科学小组

尽管如此，随着测量技术的不断进步，不确定性也在不断减小，现在我们已经可以非常有把握地指出，这两个结果不可能都是正确的。

这种"哈勃麻烦"的根源--是未知的影响系统性地偏离了其中一个结果，还是暗示了尚未发现的新物理学--是目前天文学最热门的话题之一。

哈勃常数差异

宇宙的膨胀是以"单位距离速度"来衡量的，每百万光年的膨胀速度略高于 20 千米/秒。这意味着，一个位于1亿光年外的星系以每秒2000千米的速度从我们身边退去，而另一个位于2亿光年外的星系则以每秒4000千米的速度退去。

然而，利用超新星测量星系的距离和速度可以得到 22.7 ± 0.4 千米/秒的结果，而分析宇宙的背景辐射则可以得到 20.7 ± 0.2 千米/秒的结果。

关心这样一个小小的分歧听起来似乎有些琐碎，但它可能意义重大。例如，这个数字出现在宇宙年龄的计算中，两种方法得出的年龄分别为 128 亿年和 138 亿年。

准确测定星系的距离是最大的挑战之一。但在一项新的研究中，哥本哈根尼尔斯-玻尔研究所宇宙黎明中心的天体物理学博士生阿尔伯特-斯内彭提出了一种测量距离的新方法，从而有助于解决目前的争议。

"当两颗超紧凑中子星--它们本身就是超新星的残余物--相互绕行并最终合并时，它们会发生新的爆炸，即所谓的千新星，"阿尔伯特-斯奈本解释说。"我们最近证明了这种爆炸如何具有显著的对称性，事实证明这种对称性不仅美丽，而且非常有用。"

在刚刚发表的第三项研究中，这位多产的博士生表明，千新星尽管复杂，却可以用单一温度来描述。事实证明，千新星的对称性和简单性使天文学家能够准确推断出它们发出多少光。

将这一光度与到达地球的光度相比较，研究人员就能计算出千新星距离地球有多远。他们由此获得了一种新颖、独立的方法来计算含有千新星的星系的距离。

达拉赫-沃森（Darach Watson）是宇宙黎明中心的副教授，也是这项研究的合著者之一。他解释说："到目前为止，人们一直用超新星来测量星系的距离，但超新星发出的光量并不总是相同的。此外，它们首先要求我们使用另一类恒星（即所谓的仙王座恒星）来校准距离，而仙王座恒星也必须进行校准。有了千新星，我们就可以避开这些给测量带来不确定性的复杂问题。"

初步发现和未来步骤

为了证明其潜力，天体物理学家将该方法应用于 2017 年发现的一颗千新星。结果是哈勃常数更接近本底辐射法，但千新星法能否解决哈勃麻烦，研究人员还不敢妄言：

"阿尔伯特-斯内彭提醒说："到目前为止，我们只有这一个案例研究，还需要更多的例子才能确定一个可靠的结果。但我们的方法至少绕过了一些已知的不确定性来源，是一个非常"干净"的研究系统。它不需要校准，也不需要修正系数。"