Talk:Dark energy
Pirsa: 09060011 - Observational Evidence for Dark Energy Speaker(s): Brian Schmidt
Da <http://pirsa.org/displayFlash.php?id=09060011>
Abstract: Since Einstein first applied his equations of General Relativity to Cosmology, Dark Energy has had a major role in physicists’ efforts to explain the observations of our Universe. Many red herrings have been followed over the past 90 years, where Dark Energy has gone in and out of fashion. However, starting in the 1990s, a broadly supported and sustained view has emerged that the Universe is dominated by Dark Energy – a form of matter with negative pressure. I will give a brief overview of the history of Dark Energy, describe the range of observations that have lead to the adoption of Dark Energy in the standard model of Cosmology, and look to future observations that will refine our understanding of Dark Energy.
Da quando Einstein applicò le sue equazioni della relatività generale alla cosmologia, l'energia oscura ha avuto un ruolo importante negli sforzi dei fisici per spiegare le osservazioni del nostro universo. Molte false piste sono state seguite negli ultimi 90 anni, dove Dark Energy è entrata e fuori moda. Tuttavia, a partire dagli anni '90, è emersa una visione ampiamente supportata e sostenuta che l'Universo è dominato dall'energia oscura - una forma di materia con pressione negativa. Darò una breve panoramica della storia di Dark Energy, descriverò la gamma di osservazioni che hanno portato all'adozione di Dark Energy nel modello standard di Cosmology, e osserverò le osservazioni future che raffineranno la nostra comprensione di Dark Energy.
A tensor network is a mathematical tool used to study the ways that many small objects in a system, such as its particles, combine and behave en masse. This “emergence” of collective behaviour is not just found in physics: everything from ecology to economics grapples with it. (You can see it in droplets of water that create a wave, or the emergence of counter-intuitive behaviours in topological insulators.)
Da <https://insidetheperimeter.ca/tensor-networks-three-dimensions/>
