Además, la formación de objetos más grandes de lo esperado a principios del universo, como explica este nuevo resultado, ayuda a aliviar algunas tensiones entre las observaciones y nuestro modelo cosmológico estándar.
Los investigadores usaron métodos computacionales para calcular la función, que modifica la evolución clásica. Mediante el uso de la llamada ecuación de Fokker-Planck, que tienen en cuenta esa dinámica de fluctuaciones cuánticas, se obtiene una función de tipo elíptico y lognormal, no de tipo gaussiano.
Esta nueva gráfica es la que da mayor probabilidad de colapso para agujeros negros primordiales, galaxias tempranas y para objetos muy masivos como el cúmulo de El Gordo.
“Era necesario tener en cuenta la información no lineal y abrir la mente”, reconoce García-Bellido. “El nuevo resultado explica las no gausianidades de las estructuras a gran escala, que por fin estamos comenzando a medir con los catálogos de galaxias”. En definitiva, estas fluctuaciones con cola no gaussiana nos ayudan a explicar el comportamiento a gran escala del universo.
En el futuro, los investigadores esperan continuar complementando el modelo cosmológico estándar teniendo en cuenta las observaciones de los telescopios de cielo profundo, y cuya formación podría corresponder a esta dinámica de fluctuaciones cuánticas en la etapa de inflación, como muestra el resultado.
El nuevo estudio, además, permite a García-Bellido hacer una interesante reflexión desde el punto de vista de la historia de la ciencia: “Hace décadas, pasaban muchos años entre la teoría y la aplicación experimental. Por ejemplo, la Relatividad General no pudo aplicarse hasta los años 60, o el Higgs se descubrió casi medio siglo después de ser teorizado”, explica. “Tengo la suerte de trabajar en una época en la que las observaciones experimentales y las predicciones teóricas pueden ir a la par, al menos, desde hace unos 20 años”.
Referencia:
Jose María Ezquiaga et al. Massive Galaxy Clusters Like El Gordo Hint at Primordial Quantum Diffusion. Physical Review Letters (2023)
Fuente: SINC/IFT (UAM-CSIC)