Gravitational Lensing Dark Matter Mapping

看不見的質量如何留下形狀

廣義相對論指出，質量會彎曲時空，光線沿著彎曲時空傳播時會偏折。當前景星系團或暗物質暈位於觀測者與背景星系之間，背景星系影像會被拉伸、放大或形成弧形結構。強透鏡能產生明顯弧線，弱透鏡則只留下統計上可測的細微形狀偏差。

2018 年 Dark Energy Survey 的宇宙剪切分析展示了弱透鏡在限制宇宙學參數方面的能力。它不需要暗物質發光，只需要足夠多背景星系的形狀、紅移與點擴散函數校正，就能重建大尺度質量場。

剪切場、收斂場與 NFW 暈

弱透鏡觀測通常測量星系橢圓率的統計平均，得到剪切場 γ；與之對應的收斂場 κ 表示投影質量密度相對臨界密度的比例。從 γ 到 κ 的反演需要處理噪聲、邊界與遮罩，這正是質量重構的核心。

星系團尺度上，常用 NFW 密度剖面描述暗物質暈：中心密度較高，外層按半徑逐漸衰減。透鏡訊號能約束暈質量、濃度與次結構，並檢驗冷暗物質模型是否能解釋觀測中的團簇形態。

系統誤差比訊號更頑固

弱透鏡訊號只有百分之一量級，因此任何望遠鏡光學畸變、大氣擾動、星系本徵排列或紅移偏差都可能污染結果。高品質暗物質圖不只是深曝光影像，更是校正流程、統計模型與交叉驗證的產物。

未來 Rubin Observatory 與 Euclid 將提供更大樣本，但資料量增加也會放大系統誤差治理問題。暗物質測繪正在從單純影像分析轉向端到端的宇宙學資料工程。

簡化透鏡剪切模擬

以下程式以簡化 NFW 風格投影質量模型生成收斂場，並透過有限差分近似剪切強度。它不能替代專業透鏡軟體，但能說明質量集中區如何對背景星系產生形狀偏移。

import numpy as np

def make_kappa_map(n=96, concentration=5.0):
    y, x = np.mgrid[-1:1:complex(n), -1:1:complex(n)]
    r = np.sqrt(x*x + y*y) + 1e-3
    kappa = 0.35 / (r * (1 + concentration*r)**2)
    kappa += 0.08 * np.exp(-((x-0.35)**2 + (y+0.2)**2) / 0.025)
    return kappa / kappa.max()

def shear_proxy(kappa):
    gy, gx = np.gradient(kappa)
    gyy, gyx = np.gradient(gy)
    gxy, gxx = np.gradient(gx)
    gamma1 = 0.5 * (gxx - gyy)
    gamma2 = gxy
    return np.sqrt(gamma1**2 + gamma2**2)

kappa = make_kappa_map()
gamma = shear_proxy(kappa)
mass_proxy = kappa.sum()
peak_shear = gamma.max()
print(f"mass proxy={mass_proxy:.2f}, peak shear proxy={peak_shear:.4f}")

宇宙學與認識論的交界

暗物質測繪提醒我們，科學並不總是直接觀看對象本身。研究者透過光線偏折、星系形狀與統計模型推論不可見質量，這種推論鏈越長，越需要透明的誤差預算與可重現方法。

倫理層面上，大型天文巡天消耗巨大公共資源，也產生海量開放資料。讓資料、模型與不確定性向全球研究社群開放，是暗物質研究維持可信度的重要方式。