Mørk materie: Fra teori til praksis for fagfolk

85 prosent av universet er usynlig — og venter på din ekspløring

Når astronomer observerer rotasjonen av galakser, finner de noe merkelig: stjernene beveger seg raskere enn synlig materia kan forklare. Dette førte til oppdagelsen av mørk materie — usynlig substans som utgjør 85 prosent av alt materiale i universet. Mørk energi, som driver universets akselererte ekspansion, utgjør nesten hele resten. Sammen danner disse to fenomenene et gigantisk uløst puslespill som trekker de smarteste hodene innen astrofysikk, fysikk og informatikk over hele verden. For gründere, fagfolk og ansatte i høyteknologibedrifter er dette ikke bare abstrakt vitenskapelig interessant — det er en voksende sektor med karrieremuligheter, innovasjonsrom og konkrete verktøy du kan lære i dag.

Denne artikkelen handler ikke om at du skal bli partikkelgeometriker på CERN, men om hvordan du som fagperson kan forstå, arbeide med og bidra til løsningen av disse spørsmålene. Du skal lære konkrete observasjonsmetoder som profesjonelle astronomer bruker, oppdage hvilke verktøy og datasett som allerede ligger åpent tilgjengelig for deg, og forstå hvor karrieremuligheter og innovasjonskraften ligger innen denne sektoren. Enten du er programmerer som kan bygge dataanalyseverktøy, ingeniør som kan designe detektorer, eller gründer med lyst til å utforske en kommersielt interessant løsning, finnes det et plass for deg her.

Hva er mørk materie og mørk energi egentlig?

Mørk materie er ikke en spesiell type atom eller partikkel som vi har isolert i laboratorium — det er substans vi vet eksisterer fordi vi ser dens gravitasjonelle effekter, men som vi ikke kan se, røre eller måle direkte. Når astronomer studerer hvordan galakser roterer, beregner de hvor mye synlig masse (stjerner, planeter, gass, støv) som er tilstede. Deretter måler de hastigheten stjernene roterer med ved å observere lys-doppler-forskyvninger. Uten mørk materie ville ytterkantstjerner rotere langsommere; i virkeligheten roterer de meget raskt, som om det finnes et enormt, usynlig halo av masse rundt galaksene. Dette halo er mørk materie, og den finnes overalt i universet.

Mørk energi er enda mer abstrakt enn mørk materie. I 1998 oppdaget astronomer noe helt uventet: universets ekspansion akselererer ikke bare — den blir raskere og raskere. Dette motsier alt tidligere kjent fysikk. En kraft som driver denne akselerasjonen måtte oppfunne, og forskere kalte den mørk energi. I motsetning til mørk materie, som lokaliseres til områder rundt galakser, er mørk energi distribuert jevnt gjennom hele universet. Den virker som en antigravitasjon som presser materia fra hverandre. Mens mørk materie dominerer lokalt, dominerer mørk energi på større skalaer og på veldig lange tidsperioder.

Hvorfor brenner dette feltet så sterkt nå?

Selv om mørk materie ble først observert på 1930-tallet av astronomen Fritz Zwicky, og selv om fysikerne på 1970-tallet forklarte galaksers rotasjonsegenskaper med dens eksistens, var det først innen de siste to tiårene at observasjonell astronomi og datafronten eksploderte. Romteleskoper som Hubble og senere James Webb Space Telescope produserer bildekvalitet og spektroskopisk data som tidligere var umulig å samle. Samtidig har datasettene blitt så massive at man trenger kunstig intelligens og maskinlæring for å analysere dem effektivt. Bedrifter og institusjonaler verden over investerer milliardbeløp i nye observatorier, simuleringssentre og analysesentre for å forstå og kartlegge mørk materie.

Dette har skapt enorme jobber for astronomer, fysikere, ingeniører, datateknikere og programmerere. Universiteter i Norge, Sverige og Danmark har bygget opp sterke grupper innen observasjonell kosmologi og simulasjons-astrophysikk. Selskaper som arbeider innen dataanalyse, cloud computing og kunstig intelligens finner seg selv med akutt behov for mennesker som forstår både fysikken og teknologien. En dataforsker med bakgrunn innen astronomi er verdifull, fordi hun kan både lese vitenskapelig litteratur og programmere løsninger som andre ikke forstår. For gründere er muligheten enorm: hvem kan lage bedre verktøy for å analysere og visualisere disse datasettene?

Tallene bak det usynlige universet

Mørk materie og energi utgjør mesteparten av universet. Her er de viktigste mengdene og målstokken som styrer dagens astrofysikk.

Observasjonsmetoder du kan bruke — fra lys til radiobølger

Den enkleste måten å observere effektene av mørk materie på, er gjennom optisk astronomi — bruk et teleskop, se på galakser, og mål lysintensiteten fra stjerner ved ulike avstander fra galaxens sentrum. En spektroskop splitter lyset fra en stjerne i sitt regnbue-spektrum og måler Doppler-forskyvninger (rødforsyvning eller blåforsyvning), som forteller deg hvor fort stjernen beveger seg mot eller vekk fra deg. Fra denne hastighetsgradienten kan du rekonstruere hvor mye masse som må være tilstede — synlig eller usynlig — for å holde stjernen i bane. Profesjonelle astronomer gjør dette med store teleskoper som Keck-teleskopet på Mauna Kea eller Very Large Telescope i Chile, men moderne amatørastronomier kan også samle spektroskopiske data av høy kvalitet med relativt rimelig utstyr.

En annen kraftfull metode er radiobølge-astronomi. Radiobølger trenger gjennom støv som blokkerer synlig lys, så du kan observere fjerne objekter som ellers ville være usynlige. Very Large Array (VLA) i New Mexico bruker 27 radioteleskoper som virker sammen som ett enormt teleskop. VLA er tilgjengelig for forskere verden over — du kan søke om observationstid gratis hvis prosjektet ditt er vitenskapelig interessant. En tredje metode er gravitasjonell linsing: når mørk materie passerer mellom oss og fjerne galakser, bøyer dens gravitasjonelle felt lyset slik at det blir magnifisert. Ved å måle hvor sterkt dette fenomenet er, kan astronomer estimere hvor mye mørk materie som finnes langs linjen mellom oss og det fjerne objektet.

Det viktigste for deg som starter nå, er at enorme mengder data fra disse observatoriene er fritt tilgjengelig. NASA Mikulski Archive for Space Telescopes (MAST) inneholder petabyte med data fra Hubble og andre romteleskoper. ESA-arkivet ESAC har lignende datasett fra europeiske observatorier. Du kan laste ned rådata eller prosesserte bilder, samt spektroskopiske målinger. Maskinlæring-teknikker som convolutional neural networks (CNN) har revolusjonert analysen av galaksbildene — et felt som nå kalles «computasjonell astronomi». Hvis du er programmerer og kjenner Python og PyTorch eller TensorFlow, finnes det hundrevis av åpne prosjekter hvor du kan bygge klassifikasjons- eller deteksjonsmodeller som hjelper astronomer å kategorisere galakser, finne gravitasjonelle linser, eller identifisere rare objekter i millioner av bilder.

Karrierer innen mørk materie: hva kan du bli?

Hvis du ønsker å arbeide innen mørk materie, har du flere veier å gå. Den klassiske er astronomi: doktor i astrofysikk eller astronomi, deretter postdoktor ved en større institution som University of Oslo, Lund University eller Max Planck Institute. Men selv om det finnes færre astrofysikk-jobs enn IT-jobs, finnes det flere veier inn. Du kan studere fysikk eller matematikk og deretter spesialisere deg mot kosmologi — fagene overlapper sterkt. Du kan også være programmerer eller dataforsker og lære astrofysikken på egenhånd eller gjennom kurs. Mange bedrifter søker folk med solid programmeringserfaring og evne til å lese vitenskap, fordi det er sjeldan kombinasjon.

Nybegynner versus ekspert: Hva er forskjellen?

En nybegynner i astronomi eller astrofysikk starter typisk med en optisk teleskop og rå interesse. Hun eller han lærer konstellasjonene, observerer Månen, planeter og noen åpne stjerneturer. Dette er verdifullt for å forstå himlen, men det tar deg ikke til mørk materie. Den neste siden er å lære spektroskopi, fotometri, og hvordan data fra teleskoper behandles. Du må forstå Doppler-effekten, rødforskyvning og hvordan lysintensitet måles som funksjon av bølgelengde. En amatør med teleskop og spektrograf kan samle data av galakser, men hun vil bruke måneder eller år for å samle nok data til å kunne se rotasjonskurvene som viser tegn på mørk materie.

En ekspert, derimot, bruker allerede innsamlede datasett fra store observatorier. Hun eller han vet at det ville ta århundrer å samle brukbare data selv, så hun begynner direkte med datasettene fra MAST, ESAC eller andre arkiver. Hun kjører modeller, bruker maskinlæring til å klassifisiere eller analysere, og lager nye modeller av hvordan gravitasjonsfeltet ser ut basert på observasjonene. En ekspert vet også hvor finnes små data-artefakter, instrument-feil eller systemiske bias i dataene — den erfaringen tar år å opparbeide. Hun vet også eksakt hvilken astrophysical model som passer best til sine data, og hun forstår sikkerhetsmarginer og usikkerheter. Ekspertisen består av tusen små kunnskapsbiter som må integreres sammen for å gi riktige svar.

Borger-vitenskapelige prosjekter — bidra fra hjemmet

Borger-vitenskap betyr at vanlige mennesker bidrar til ekte vitenskapelig forskning. Du trenger ikke et doktorgradsdiplom eller eierskap av dyr instrumenter — bare en datamaskin og internettforbindelse. Zooniverse er en plattform som tilbyr dusinvis av prosjekter hvor du kan klassifisiere galakser, identifisiere gravitasjonelle linser, eller merke kvasarer (fjerne energikilder). Et kjent prosjekt heter Galaxy Zoo: du blir vist bilder av galakser og blir spurt om de er spiralformet, elliptisk eller uregelmessig. Millioner av klassifiseringer fra millioner av mennesker gir astronomer en enorm datasett som de bruker til å trene maskinlæring-modeller og til å finne sjeldne objekter som maskinene kan misse.

Mange oppdagelser har kommet fra borger-vitenskapen. En borger ved navn Hanny van Arkel (Nederland) oppdaget på Galaxy Zoo et helt nytt type galakse-fenomen som nå kalles «Hanny's Voorwerp» — en gigantisk, luminøs gassky rundt en galakse. Hennes oppdagelse ble publisert i anerkjente fagblader. Et annet prosjekt, Quasar Zoo, hjalp hundrevis av borgere til å klassifisiere aktive galaktiske kjerner, og mange av deres klassifiseringer gav nye innsikter. For deg som gründer, kan dette også være et eksempel på crowd-sourcing: hvordan kan du bruke folk verden over til å løse problemer som maskinlæring alene ikke løser?

Hvor jobber folk som arbeider med mørk materie?

Arbeidsplass innen observasjonell astronomi og kosmologi finnes verden over. Her er de største institusjonene og deres fokus.

Fem vanlige misforståelser — og hva som faktisk er sant

Her er fem misforståelser som dukker opp igjen og igjen, både blant nybeginnere og nysgjerrige fagfolk. Å rydde disse opp gjør det enklere å forstå det som faktisk skjer.

• Mørk materie er antimaterie: Nei, antimaterie er en helt annen type partikkel, og den annihileres når den møter vanlig materie. Vi har ikke detektert antimaterie i betydelige mengder i universet.
• Vi vet allerede hva mørk materie er: Nei, det er fortsatt en åpen gåte. Teoriene inkluderer WIMP-partikler (Weakly Interacting Massive Particles), aksialer, eller modifisert gravitasjon, men ingen er bevist.
• Mørk materie kan aldri observeres direkte: Ikke nødvendigvis. Hvis vi bygger detektorer som fanger WIMPer, ville det være direkte detektion — og forskerne forsøker aktivt på dette.
• Mørk energi er det samme som vakuum-energi: De kan være det samme, eller vakuum-energi kan være bare en del av mørk energi. Fysikerne diskuterer fortsatt dette.
• Mørk materie og energi er bare gummiord for «vi vet ikke»: Nei, begge har spesifikke, målbare effekter på observerbare fenomener som rotasjonskurver og universets ekspansion.

Verktøy og ressurser du begynner med i dag

Hvis du skal arbeide med astrofysikkdata, trenger du først programmeringsferdigheter. Python er gullstandarden i astronomi. Biblioteker som Astropy er bygget spesielt for astronomiske beregninger: du kan åpne FITS-filer (Flexible Image Transport System — standard format for teleskopdata), hente data fra katalogdatabaser, beregne koordinater, og utføre spektroskopiske analyser. NumPy er essensiell for numeriske beregninger, Pandas for dataanalysering, Matplotlib og Plotly for visualisering. Hvis du vil arbeide med maskinlæring, er scikit-learn bra for klassisking ML, mens PyTorch eller TensorFlow trengs for deep learning. GitHub har hundrevis av åpne astrofysikk-prosjekter hvor du kan lese kode som andre astrofysikere har skrevet.

Hva gjør bedrifter innen dette feltet?

Bedrifter innoverer i flere retninger. Digitalisering av observatorier: moderne observatorier genererer terabyte-mengder data daglig, og bedrifter som arbeider med cloud-infrastruktur og datalagring er kritiske. Amazon har sitt AWS Sustainability Data Initiative som støtter fritt lagring av store astrofysikk-datasett. Google Cloud tilbyr lignende tjenester. En annen retning er automatisert discovery: maskinlæring-modeller som kan raskt skannie millioner av bilder og flagge kandidater for sjeldne objekter. Tredje innovasjonsretning er avbilding-teknologi: bedrifter bygger nye sensorer, nye teleskop-designes, og forbedringer til eksisterende instrumenter. En fjerde retning er simulering: astrofysikk-simuleringer krever enormt beregningskraft, og bedrifter som tilbyr GPU-beregning eller kvantedatamaskinutsettelse er av økende verdi.

En konkret eksempel: Zooniverse, som nevnt tidligere, ble bygget av forskere ved University of Oxford og er nå en internasjonal platform for borger-vitenskap. Det tjener ikke penger direkte, men det genererer enorme datasett som publiseres og brukes av hele vitenskapssamfunnet. En annen: selskaper innen astrofysikk-datavarsling lanserer tjenester som varsler astronomer når spesifikke typer objekter oppdages. En tredje: SpaceX og Blue Origin lancerer romteleskoper og satellitter som skal observere og måle universet. Disse bedriftene trenger dataanalytikere, maskinlæring-ingeniører, og programmerere som forstår både romfart og astrofysikk-metodikk.

Hva skjer de neste fem årene?

Neste generasjon av teleskoper skal oppskyte eller åpnes i løpet av få år. Vera C. Rubin Observatory i Chile vil begynne sin «Legacy Survey of Space and Time» (LSST) i 2025–2026, og skal kartlegge hele sørlig himmel hver tredje natt i en tiårsperiode. Dette vil produsere eksponensielt mer data enn alt tidligere — omkring 10 terabyte per natt. Equinor-backed konsortier jobber på romteleskoper som skal ha enda større oppløsning enn James Webb. Det Europiske Ekstremt Store Teleskopet (ELT) i Chile vil være verdens største teleskop når det åpner omkring 2027, med 39 meter hovedspeil. Disse instrumentene vil kreve nye data-analyse-pipeline og maskinlæring-verktøy som ikke finnes ennå.

En av de store håpene er direkte detektion av mørk materie. Hundrevis av laboratorier verden over jobber på detektorer som kan fange WIMPs eller aksialer hvis de passerer gjennom Jorden. XENON1T i Gran Sasso (Italia) og SuperCDMS i USA er blant de mest sensitive i dag. Hvis en detektor virkelig oppdager en mørk materie-partikkel, ville det være en av de viktigste vitenskapelige oppdagelser noensinne — like betydningsfull som oppdagelsen av Higgs-bosonen. Selv hvis direkte detektion mislykkes, vil indirekte metoder (observasjoner av galaksers oppførsel, lys fra fjerne kilder) fortsatt forbedre oss forståelse av hvor stor andel av universet som består av mørk materie, og hvor den befinner seg.

Dine konkrete første steg — start i dag

Hvis du er programmerer: start med Python og Astropy. Gå gjennom offisiell dokumentasjon og lag et lite prosjekt hvor du laster ned data fra MAST og visualiserer det. En god start er å hente ett spektrum fra en kjent galakse, analysere det, og plotte rotasjonskurven. Dette tar kanskje en uke hvis du allerede kan Python. Hvis du er astronom: les gjennom en standard lærebok som «An Introduction to Modern Astrophysics» (Carroll & Ostlie), fokuser på kapitlene om galaksers dynamikk. Deretter søk deg til ett borger-vitenskap-prosjekt på Zooniverse — start med Galaxy Zoo. Bidra i minst 100 klassifiseringer for å forstå hva du ser. Hvis du er gründer: tenk på hvor problemer oppstår i verdikjeden. Observatorier produserer massivt med data — hvem analyserer det? Hvor kan du tilby en bedre løsning?

Her er konkrete ressurser å bruke denne uken: (1) Gå til astropy.org og gjennomgå tutorialen «Getting Started»; (2) Åpne en konto på zooniverse.org og start Galaxy Zoo; (3) Abonner på ArXiv.org seksjon «astro-ph.CO» (Cosmology and Nongalactic Astrophysics) for å lese nye forskningstudier hver dag; (4) Finn en online kurs — Coursera har flere gratis kurser i astronomi og kosmologi; (5) Hvis du er i Norge, kontakt ditt nærmeste universitet (Oslo, Bergen, Tromsø, eller Gothenburg i Sverige) og spør om de tilbyr seminargrupper eller mentor-programmer. Det siste og viktigste: ikke vent til du er «klar». Start nå. Mørk materie-feltet venter på mennesker som er villig til å lære.