看待宇宙全新方式：引力波或可解决六大宇宙问题

（原标题：看待宇宙全新方式：引力波或可解决六大宇宙问题）

17世纪末，牛顿发现了万有引力，有质量的物体就有这种引力；20世纪初，爱因斯坦发表广义相对论，提出引力其实是质量引起的时空变形；2012年，欧洲核子研究中心通过大型强子对撞机发现希格斯玻色子，解释了粒子为何会有质量，将希格斯场、质量和时空联系在一起。而如今，人类首次探测到了引力波——由两个黑洞撞在一起而产生的时空涟漪，不仅证实了爱因斯坦近百年前对引力波的预测，还有更重要的意义。用斯蒂芬·霍金的话说，引力波提供了一种人们看待宇宙的全新方式。

最近，《自然》杂刊发的一篇文章，讲解了人类借助引力波或可解决的六大宇宙问题。

黑洞真的存在吗？

激光干涉引力波天文台(LIGO)探测到黑洞合并，一个重要的科学意义就是证实了黑洞确实存在，至少是一种完美的圆形物体，由纯真空的、弯曲的时空构成，像广义相对论预测的那样。天文学家已有了大量关于黑洞的证据，但以往的证据都来自对恒星和超热气体的观察，而非来自黑洞本身。

美国普林斯顿大学广义相对论模拟专家弗朗斯·普雷托里乌斯说：“科学界对黑洞已经非常厌倦了，包括我自己在内，我们认为它是理所当然存在的。但你想一想，这个预测是多么惊人，我们也确实需要惊人的证据。”

LIGO的信号提供了这一证据——也证实了两个黑洞的合并过程与预测一致。当两个黑洞开始互相靠近时，以引力波的形式辐射能量。LIGO探测到了这些波独特的声音，就像小鸟唱歌，科学家称之为“啁啾”，这让科学家能检测两个涉事黑洞的质量：一个约为太阳质量的36倍，另一个约29倍。

接下来，黑洞融合在了一起。它们合并后会变成一个完美的球形，但一开始，就像LIGO看到的那样，以一种逐渐衰减的涟漪形式辐射出引力波。

引力波以光速传播吗？

当科学家开始把来自LIGO的观测与其他类型望远镜看到的结果比较时，首先要检查的一件事就是，这些信号是否同时到达。

物理学家猜测，引力是以一种名为“引力子”的微粒形式传播的，就像光子那样。如果引力子像光子，那它就没有质量，引力波就会以光速传播，符合广义相对论中对引力波速度的预测。引力波速度会受宇宙加速膨胀的影响，但要在极远距离才能显出这种影响，以LIGO的探测距离影响可以忽略。

但引力子有微小质量也是可能的，这意味着引力波的速度小于光速。如果这样，LIGO和Virgo探测到的引力波到达地球所花的时间，会比其他传统天文台探测到的同一事件中发出的 射线到达地球的时间要长一点，这将对基础物理学产生重大影响。

时空由宇宙弦构成吗？

如果科学家探测到的引力波来自宇宙弦，那会带来更奇怪的发现。科学家假设，宇宙弦是时空弯曲中的缺陷，无比纤细却延伸至整个宇宙那么远，它们可以与弦理论有关，也可以无关。研究人员预测，如果宇宙弦确实存在，它们可能偶尔纽结在一起，如果一根弦断了，就会突然释放出一阵引力波，然后被LIGO和Virgo等探测器检测到。

中子星凹凸不平吗？

中子星是较大恒星在自身重力作用下坍缩后的残骸，它们的密度极大，以至于自身的电子和质子融合成为中子。人们对这种极端物理学还知之甚少，但引力波为研究这些现象打开了独特的视窗。比如，中子星表面强大的引力倾向于把它们变成近乎完美的球形，但一些研究人员认为，它们的表面仍可能有“高山”——虽然只有几毫米高，却让直径只有10公里左右的中子星变得略微不匀称。中子星通常旋转得极快，这种不对称的质量分布会让时空变形，产生持续的正弦引力波信号、辐射能量，并减缓中子星的旋转速度。

互相环绕的一对中子星也会产生持续的信号。这些星体也像黑洞那样，螺旋环绕最终融合，但它们会变成什么样却可能与黑洞大不相同。普雷托里乌斯说：“这有很多可能性，取决于它们的质量和中子物质产生的压力。”比如合并后可能是一个巨大的中子星，也可能立刻坍缩成一个黑洞。

什么原因造成了恒星爆发？

当大质量恒星不再发光，向内部坍缩时，会形成黑洞和中子星。天体物理学家认为，就是这一过程为II型超新星爆发提供了能量。单靠模拟这种超新星爆发还无法解释清楚是什么点燃了它们，根据预测，真实的超新星爆发会产生引力波，倾听这些引力波有望找到答案，研究爆发的波形、声音大小、频率及其与超新星爆发的关系，这些数据有助于检验现有的各种模型。

宇宙膨胀速度有多快？

宇宙膨胀意味着，正在远离我们银河系的物体看起来比实际更红，因为它们发出的光在传播过程中被拉长了，通过比较这种星系红移和它们与我们的距离，能估算出宇宙的膨胀速度。但这种距离通常用Ia型超新星爆发的亮度来计算——这种方法有很大的不确定性。

如果全世界多个引力波探测器探测到了来自相同中子星合并的信号，结合在一起就能估算出信号的绝对音量，揭示合并发生离我们有多远，估计信号来自哪个方向，推导出发生合并的是哪个星系。将星系红移与通过引力波测出的合并距离相比，能独立估算出宇宙膨胀的速度，还可能比现有方法得到的数据更加精确。