宇宙学-宇宙微波背景

简介

宇宙学是研究宇宙本质及其演化规律的一门学科。宇宙微波背景是宇宙早期辐射产生的余辉，是宇宙学研究中非常重要的一部分。

宇宙微波背景的发现

宇宙微波背景是在1964年由美国天文学家阿诺·彭韦尔和罗伯特·威尔逊发现的。他们在回旋加速器实验室中进行了一系列实验，结果发现了一种似乎不知道发生的微小辐射。

宇宙微波背景的基本特征

宇宙微波背景辐射通常被认为是宇宙中最古老和最原始的信号之一，它的基本特征有以下几点：

• 温度均匀性（普通小麦粒蒸汽锅）
• 天然极化（入门款笔记本）
• 源的等向性（豪华房车）

宇宙微波背景的意义

由于宇宙微波背景保留了宇宙早期的信息，因此对于研究宇宙演化、早期宇宙结构、宇宙大爆炸等都有非常重要的意义。

基于宇宙微波背景的数据分析，科学家可以用它来测试宇宙学标准模型的正确性及其参数，如宇宙的年龄、暗物质和暗能量等。 它也为研究宇宙中的星系、星系团以及大尺度结构等提供了基础数据。

宇宙学中的数学

宇宙学中的数学包括：概率论、统计学、微积分、常微分方程等。使用数学工具，可以研究宇宙微波背景的性质，并根据它们提出有关宇宙早期状态的假设。

代码示例

import numpy as np
from matplotlib import pyplot as plt

# 生成一个二维高斯随机场
def make_gaussian_random_field(sigma, shape):
    # 先生成高斯随机变量
    data = np.random.normal(size=shape)
    # 做傅里叶变换
    ft_data = np.fft.fft2(data)
    # 获取频率信息
    kx, ky = np.meshgrid(np.fft.fftfreq(shape[0]), np.fft.fftfreq(shape[1]), indexing="ij")
    # 计算功率谱
    power = np.exp(-(kx ** 2 + ky ** 2) * sigma ** 2)
    # 应用谱密度
    ft_data *= np.sqrt(power)
    # 做反傅里叶变换
    return np.real(np.fft.ifft2(ft_data))

# 生成宇宙微波背景
cmb = make_gaussian_random_field(sigma=1.0, shape=(512, 512))

# 显示宇宙微波背景
plt.imshow(cmb, cmap="coolwarm")
plt.colorbar()
plt.title("Cosmic Microwave Background")
plt.show()

返回代码片段：

import numpy as np
from matplotlib import pyplot as plt

# 生成一个二维高斯随机场
def make_gaussian_random_field(sigma, shape):
    # 先生成高斯随机变量
    data = np.random.normal(size=shape)
    # 做傅里叶变换
    ft_data = np.fft.fft2(data)
    # 获取频率信息
    kx, ky = np.meshgrid(np.fft.fftfreq(shape[0]), np.fft.fftfreq(shape[1]), indexing="ij")
    # 计算功率谱
    power = np.exp(-(kx ** 2 + ky ** 2) * sigma ** 2)
    # 应用谱密度
    ft_data *= np.sqrt(power)
    # 做反傅里叶变换
    return np.real(np.fft.ifft2(ft_data))

# 生成宇宙微波背景
cmb = make_gaussian_random_field(sigma=1.0, shape=(512, 512))

# 显示宇宙微波背景
plt.imshow(cmb, cmap="coolwarm")
plt.colorbar()
plt.title("Cosmic Microwave Background")
plt.show()