29 செப்டம்பர், 2026 இதழ்

வானியலாளர்கள் புதிய ஜேம்ஸ் வெப் படங்களைப் பழைய ஹப்பிள் படங்களுடன் ஒப்பிட்டனர். GNz7q என்ற ஒரு குவாசார் சுமார் ஒரு பருமன் (magnitude) மங்கியிருந்தது. அது செம்பெயர்ச்சி 7.19-இல், பெருவெடிப்புக்கு 700 மில்லியன் ஆண்டுகளுக்குப் பின் உள்ளது.

இருபது ஆண்டுக் காப்பகங்கள் விரைவான ஏற்றத்தையும், பிறகு அதன் சொந்த நேரத்தில் சுமார் இரண்டு ஆண்டுகளில் சீரான மங்குதலையும் காட்டுகின்றன. சுமார் 0.1% குவாசார்கள் மட்டுமே இவ்வளவு மாறுகின்றன.

சிறந்த விளக்கம்: சில சூரிய நிறைகள் கொண்ட ஒரு விண்மீன் கருந்துளையால் கிழித்தெறியப்பட்டது. ஒளிவெடிப்பு சுமார் 1.5 × 10⁵³ எர்க் வெளியிட்டது. இத்தகைய நிகழ்வுகளில் அறியப்பட்ட மிக ஆற்றல் மிக்கவற்றில் இதுவும் ஒன்று.

வெப் எதிரொலியையும் பிடித்தது. சுமார் அரை பார்செக் தொலைவில், சுமார் 1,500 K வரை சூடேறிய தூசு, ஒளிவீச்சுக்குப் பின் ஒளிர்கிறது. இதுவரை உறுதிசெய்யப்பட்ட விண்மீன்-கிழிப்பு நிகழ்வுகள் செம்பெயர்ச்சி 1.2-க்கு அருகிலேயே நின்றன.

மூலம்: A tidal disruption event in a quasar at redshift 7.19, https://arxiv.org/abs/2609.30441

2026 ஜூலை 3 அன்று, ஜேம்ஸ் வெப் தொலைநோக்கி ஒரு பெரும் விண்மீன்திரள் கொத்தைப் படம் பிடித்தது. 2024-இல் அங்கு இல்லாத ஒரு சிறிய சிவப்புப் புள்ளி தோன்றியது. அதன் நிறங்கள் சொன்னது: செம்பெயர்ச்சி 16-இல் ஒரு விண்மீன்திரள்.

ஆகஸ்ட் 17 அன்று எடுக்கப்பட்ட ஒரு நிறமாலை வேறு கதை சொன்னது. அகன்ற ஹைட்ரஜன் கோடுகள், செம்பெயர்ச்சி 3.34-இல் வெடிக்கும் ஒரு விண்மீனை வெளிப்படுத்தின. அதன் வாயு 7,000 முதல் 9,000 km/s வேகத்தில் வெளிநோக்கிப் பாய்கிறது.

கொத்து ஒரு வில்லை (lens) போலச் செயல்படுகிறது. அது வெடிப்பைச் சுமார் 11 மடங்கு பெரிதாக்கி, அதன் ஒளியைப் பல படங்களாகப் பிரிக்கிறது. ஐந்து மாதிரிகள் அடுத்ததை 2028-க்கும் 2032-க்கும் இடையே முன்கணிக்கின்றன.

அந்த மறுவருகையின் நேரத்தை அளப்பது பிரபஞ்சம் எவ்வளவு வேகமாக விரிகிறது என்பதை அளக்க உதவும். இவ்வளவு அருகில் மறுவருகை கொண்ட, செம்பெயர்ச்சி 2-க்கு அப்பாலான முதல் வெடிப்பு SN Helios. விண்மீன்திரள் வேட்டைக்காரர்களையும் அது எச்சரிக்கிறது: சில சாதனை வேட்பாளர்கள் போலிகளாக இருக்கலாம்.

மூலம்: SN Helios: A Multiply Imaged Type II Supernova Opening Time-Delay Cosmography beyond redshift of 3, https://arxiv.org/abs/2609.30440

ஒரு அட்டோவினாடி என்பது ஒரு வினாடியின் பில்லியனில் ஒரு பங்கின் பில்லியனில் ஒரு பங்கு. இவ்வளவு குறுகிய துடிப்புகள் அணுக்களுக்குள்ளும் மூலக்கூறுகளுக்குள்ளும் நகரும் எலக்ட்ரான்களைப் படம் பிடிக்க முடியும். இந்தத் துறை 2023 இயற்பியல் நோபல் பரிசை வென்றது.

ஜெர்மனியில் உள்ள European XFEL-இல், ஒரு குழு எலக்ட்ரான் கொத்துகளைத் தொடர்ந்து ஐந்து முறை நெருக்கியது. வழக்கமான இயக்கத்தில் மூன்று படிகள் பயன்படுத்தப்படுகின்றன. உருவகப்படுத்துதல்கள் மின்னோட்டத்தை 150,000 ஆம்பியர் என மதிப்பிடுகின்றன.

பின்னர் எலக்ட்ரான்கள் சுமார் 100 அட்டோவினாடிகள் நீடிக்கும் மென் எக்ஸ்-கதிர் ஒளிவீச்சுகளை உமிழ்ந்தன. சில 3 மில்லிஜூல் வரை ஆற்றலைக் கொண்டிருந்தன. அவற்றின் உச்ச ஆற்றல் சுமார் 10 டெராவாட்டை எட்டியது.

அட்டோவினாடி எக்ஸ்-கதிர்களுக்கு, இவ்வளவு குறுகிய ஒளிவீச்சில் இவ்வளவு ஆற்றல் இதுவரை கண்டிராதது என்கிறார்கள் ஆசிரியர்கள். வினாடிக்குப் பல்லாயிரக்கணக்கான துடிப்புகள் இருப்பதால், ஆய்வாளர்கள் சிறந்தவற்றை மட்டும் வைத்துக்கொள்ளலாம். நீளம் நிறமாலையிலிருந்து ஊகிக்கப்படுகிறது, நேரடியாக நேரம் அளக்கப்படவில்லை.

மூலம்: Generation of 10-TW Attosecond X-Ray Pulses in a Free Electron Laser, https://arxiv.org/abs/2609.31534

ஒரு பந்தை மெத்தையின் மீது போடுங்கள், அது குறைவாகத் துள்ளும். இன்னும் மெத்தை சேர்த்தால், இன்னும் குறைவாகத் துள்ள வேண்டும், இல்லையா? சாதாரண அச்சுக்காகிதக் கட்டு வேறுவிதமாகச் சொல்கிறது.

ஆம்ஸ்டர்டாம் இயற்பியலாளர்கள் 500 A4 தாள்கள் வரையிலான கட்டுகளின் மீது ஒரு எஃகுப் பந்தைப் போட்டனர். பத்துத் தாள்களுடன், மீள்துள்ளல் 0.71-இலிருந்து 0.50-க்கு விழுந்தது. பிறகு மீண்டும் ஏறி, சுமார் 58 தாள்களில் உச்சத்தை அடைந்தது.

மோதல் கட்டின் வழியே கீழ்நோக்கி ஒரு ஒலி அலையை அனுப்புகிறது. அது மேசையில் பட்டு மேலே திரும்புகிறது. பந்து இன்னும் காகிதத்தைத் தொட்டுக்கொண்டிருக்கும்போது அது திரும்பினால், பந்தை மேல்நோக்கித் தள்ளுகிறது.

வியப்பு: தாள்களுக்கு இடையே சிக்கிய காற்றே பெரும்பாலான வேலையைச் செய்கிறது. ஒவ்வொரு இடைவெளியும் சுமார் 15 மைக்ரோமீட்டர் தடிமன். பெரும்பாலான காற்றை உறிஞ்சி வெளியேற்றினால், இந்தக் காகிதத் துள்ளுமேடை வேலை செய்வதை நிறுத்திவிடுகிறது.

மூலம்: The Paper-Stack Trampoline: Acoustic Restitution in Layered Media, https://arxiv.org/abs/2609.31213

முடிவே இல்லாத ஒரு சதுரங்கப் பலகையை எடுத்துக்கொள்ளுங்கள். மூலையில் ஒரு ராணியை வையுங்கள். பிறகு ஒவ்வொரு நெடுவரிசையிலும் ஒரு ராணியைச் சேருங்கள், எப்போதும் வேறு எந்த ராணியும் தாக்காத மிகக் கீழான கட்டத்தில்.

ராணிகள் இரண்டு கோடுகளாகப் பிரிகின்றன. ஒன்று 1.618 சாய்வுடன் ஏறுகிறது, மற்றொன்று 0.618 சாய்வுடன். இரு எண்களும் தங்க விகிதமான φ = (1 + √5)/2-இலிருந்து வருகின்றன.

கணிதவியலாளர்கள் இதை 2020-இல் ஊகித்தனர்; Donald Knuth இதை ஒரு பில்லியன் நெடுவரிசைகள் வரை சரிபார்த்தார். இப்போது சிங்கப்பூரில் Boon Suan Ho இதை நிரூபித்துள்ளார். எந்த ராணியும் தன் கோட்டிலிருந்து சுமார் 7 கட்டங்களுக்கு மேல் விலகுவதில்லை.

முக்கியப் படி 7,014 சாத்தியமான நிலைகளில் கணினியால் சரிபார்க்கப்பட்டது. நிரூபணமே GPT-6 Pro என்ற AI மூலம் கண்டறியப்பட்டது என்கிறார் ஆசிரியர். சரிபார்ப்புக் குறியீடு, Lean முறைப்படுத்தலுடன், பொதுவில் உள்ளது.

மூலம்: Greedy queens and the golden ratio, https://arxiv.org/abs/2609.31336

உயிர் ஒரு கோழி-முட்டைப் புதிரை எதிர்கொள்கிறது. புரதங்களை ரைபோசோம் உருவாக்குகிறது, ஆனால் ரைபோசோம் நன்றாக வேலை செய்யப் புரதங்கள் தேவை. அப்படியானால் முதலில் வந்தது எது?

பிரான்ஸ் மற்றும் ஆஸ்திரேலியாவைச் சேர்ந்த மூன்று ஆய்வாளர்கள் ஒரு பதிலை முன்வைக்கின்றனர்: இரண்டுமே இல்லை. அவர்களின் கருதுகோளில், ஒரு RNA மூலக்கூறு தன்னைத் தானே நகலெடுத்ததுடன் பெப்டைடுகளை உருவாக்கவும் தொடங்கியது. அதை அவர்கள் ரைபோரெப்ளிசோம் என்று அழைக்கின்றனர்.

ஒரு எளிய RNA நகலெடுப்பியிலிருந்து ஒரு ரைபோசோம் மற்றும் மரபணுத்தொகுதி வரை 12 படிகளை அவர்கள் வரைகின்றனர். முதல் இரண்டுக்கு மட்டுமே வேதியியல் அதிர்ஷ்டம் தேவை. மற்ற பத்தும் சாதாரண இயற்கைத் தேர்வின் மூலம் தொடரலாம்.

அவர்களின் உருவகப்படுத்துதல்களில், ஒற்றை மூலக்கூறு, ஒத்துழைக்கும் RNA-க்களின் «சூப்பை»விட ஏறக்குறைய ஆறு மடங்கு தகுதியுடன் முடிகிறது. முக்கியக் காரணம்: பயனுள்ள விளைபொருள்கள் அவற்றை உருவாக்கிய மரபணுக்களுக்கு அருகிலேயே இருக்கின்றன. இது இன்னும் ஒரு கோட்பாடுதான்; அதைச் சோதிக்க ஆசிரியர்கள் நான்கு வழிகளை முன்மொழிகின்றனர்.

மூலம்: Pathways of early evolution from the perspectives of a riboreplisome – the ultimate RNA machine of life, https://arxiv.org/abs/2609.30816

செயற்கை நுண்ணறிவு மாதிரிகள் இப்போது கண் புகைப்படம், மார்பு எக்ஸ்-கதிர், மூளை ஸ்கேன் அல்லது இரத்தப் பரிசோதனையிலிருந்து உங்கள் வயதை ஊகிக்க முடியும். அந்த ஊகம் உங்கள் உண்மை வயதை மிஞ்சினால், நீங்கள் வேகமாக முதுமையடைகிறீர்கள் என்று சொல்லப்படுகிறது.

University College London தலைமையிலான ஒரு குழு இத்தகைய ஐந்து “முதுமைக் கடிகாரங்களை” சோதித்தது. உறுப்பு அடிப்படையிலான நான்கு கடிகாரங்களிலும் ஒரே மறைந்த சார்புநிலை உள்ளது. அவை மதிப்பீடுகளைச் சராசரி வயதை நோக்கி இழுக்கின்றன, அதுவும் ஆரோக்கியமானவர்களைவிட நோயாளிகளிடம் வலுவாக.

விளைவு: “வயதானவராகத் தெரிவது” மற்றும் “நோயுற்றிருப்பது” இடையிலான தொடர்பு வயதுடன் மங்குகிறது. மார்பு எக்ஸ்-கதிர்களில் 70 வயதுக்குப் பின் அது தலைகீழாகவே மாறுகிறது. மறு அளவீடோ மறுபயிற்சியோ இந்தச் சார்புநிலையை நீக்கவில்லை.

ஒரே வயதுடைய ஒரு ஆரோக்கியமானவரையும் ஒரு நோயாளியையும் இணைத்தபோது, 25% முதல் 59% இணைகளில் ஆரோக்கியமானவரே வயதானவராகத் தெரிந்தார். ஆசிரியர்கள் எச்சரிக்கிறார்கள்: எந்தக் கடிகாரமும் இன்னும் தனியாக ஒருவரின் ஆரோக்கியத்தை மதிப்பிட முடியாது.

மூலம்: Prediction bias in biological ageing markers, https://arxiv.org/abs/2609.30322

வானிலை மாதிரிகள் பாய்ம இயக்கச் சமன்பாடுகளை ஒரு கட்டத்தின் மீது தீர்க்கின்றன. துல்லியமாக இருக்க, அவற்றுக்குச் சுமார் ஒரு மில்லிமீட்டர் அகலமுள்ள கட்டக் கலங்கள் தேவைப்படும். மிகச் சிறந்த மாதிரிகள்கூடத் தொடர்புடைய அளவுகோல்களில் பாதிக்கும் குறைவானவற்றையே பிரித்தறிகின்றன.

யூட்டா பல்கலைக்கழகத்தின் ஒரு முனைவர் பட்ட ஆய்வேடு வேறொன்றை முயல்கிறது. அது வளிமண்டலத்தை «டர்புலோன்களிலிருந்து» கட்டுகிறது — கட்டுமானக் கற்கள் போல அடுக்கப்பட்ட எல்லா அளவுகளிலுமான முறைசார் சுழிகள். பாய்மச் சமன்பாடுகள் இல்லை, நேரப் படிகள் இல்லை.

இதனால் உருவாகும் 3D மேகப் புலங்கள், தெளிவான குறைபாடுகளுடன், உயர் தெளிவுத்திற உருவகப்படுத்துதல்களுடன் பொதுவாகப் பொருந்துகின்றன. விண்வெளியிலிருந்து பார்த்தால், அவற்றின் வடிவியல் செயற்கைக்கோள் படங்களுடன் குறிப்பு உருவகப்படுத்துதல்கள் அளவுக்கோ அதைவிடச் சிறப்பாகவோ பொருந்துகிறது.

ஒவ்வொரு சுயாதீனத் தருணப் படமும் 100,000 முதல் ஒரு மில்லியன் மடங்கு குறைவான கணக்கீட்டையே கோருகிறது. ஆனால் மாதிரிக்கு வேறொரு மாதிரியிடமிருந்து சராசரிச் சுயவிவரங்கள் தேவை. நேரப் படிகள் இல்லாததால், அதனால் நாளைய வானிலையை முன்னறிவிக்க முடியாது.

மூலம்: Weather and Climate Without Fluid Mechanics, https://arxiv.org/abs/2609.30589

மிகச் சிறந்த தாவும் ரோபோக்கள் கொஞ்சம் ஏமாற்றுகின்றன. அவை ஒரு சுருள்வில்லை மெதுவாக முறுக்கி, பூட்டி, பிறகு விடுவிக்கின்றன. சாதனை படைத்த ஒரு ரோபோ இரண்டு தாவல்களுக்கு இடையே சுமார் இரண்டு நிமிடங்கள் ஓய்வெடுக்கிறது.

இலினாய் பல்கலைக்கழகப் பொறியாளர்கள் மறுவழியைத் தேர்ந்தனர். அவர்களின் ரோபோ 281 கிராம் எடை கொண்டது. அதற்குக் கிட்டத்தட்ட இரண்டு மீட்டர் நீளமுள்ள ஒற்றைக் கார்பன் கால் உண்டு; ஒரு சிறிய மோட்டார் அதை நேரடியாக இயக்குகிறது, சுருள்வில் எதுவும் இல்லை.

தந்திரம், மிட்டாய்க் கழியின் கோடு போலக் காலைச் சுற்றிச் சுற்றப்பட்ட ஒரு துணிப் பட்டை. அது மோட்டாரை முழு ஆற்றலுக்கு அருகில் வைத்திருக்கிறது, மெல்லிய கால் வளைந்து மடிவதைத் தடுக்கிறது.

விளைவு: தரையில் வெறும் 190 மில்லிவினாடிகளுக்குப் பிறகு 7.6 மீட்டர் பாய்ச்சல். உச்சியில் உள்ள நான்கு சிறிய சுழலிகள் நீண்ட காலை நிமிர்ந்து நிற்கச் செய்கின்றன. சுருள்வில் இல்லாத மின்சார ரோபோவுக்குப் பதிவான மிக உயரமான தாவல் இது.

மூலம்: A Long-Legged, Direct-Drive Monopedal Robot Achieves Exceptional Jump Height, https://arxiv.org/abs/2609.30530

ஒரே மாதிரியான இரண்டு சாலைகள், ஒரே மாதிரியின் மீது கட்டப்பட்ட 50 AI ஓட்டுநர்கள். ஒவ்வொரு காலையும் ஒரு போக்குவரத்து ஒலிபரப்பு காலியான சாலையைக் குறிப்பிடுகிறது. முகவர்கள் (agents) அதை நன்றாகப் பயன்படுத்துகின்றன: ஒரு பயணத்துக்கு சுமார் 64 நிமிடங்கள், சிறந்த ஒரு மணி நேரத்துக்கு அருகில்.

பின்னர் டோக்கியோ ஆய்வாளர்கள் ஒரு வாக்கியத்தைச் சேர்த்தனர்: பல ஓட்டுநர்கள் இந்தக் குறிப்பைக் கேட்டு மாறுவார்கள், எனவே அந்தச் சாலை நெரிசலாகலாம். விளைவு: சுமார் 96% முகவர்கள் ஒரே நெரிசலான சாலையிலேயே தங்கின.

சராசரிப் பயண நேரம் 95 நிமிடங்களுக்குத் தாவியது. எந்த முகவரும் தனியாக மாறியிருந்தால் 69 நிமிடங்களைச் சேமித்திருக்கலாம். 100 சுற்றுகளுக்குப் பிறகும், பத்துக் குழுக்களில் ஒன்றுகூடத் தப்பவில்லை.

அதே எச்சரிக்கையைப் பெற்ற 20 மனிதர்கள் கொண்ட குழுக்கள் சமநிலைக்கு அருகிலேயே இருந்தன. கலப்புக் குழுக்களில், முகவர்கள் தொடர்ந்து தவிர்த்த சாலையை மனிதர்கள் மேலும் மேலும் எடுத்தனர். 15 முகவர்களுடன், மனிதர்களின் சராசரி 44 நிமிடங்கள், முகவர்களின் சராசரி 80.

மூலம்: Warned alike, AI agents avoid the less-crowded road while people take it, https://arxiv.org/abs/2609.30883