文章来源：新浪科技
北京时间3月30日消息，据生活科学网站报道，宇宙空间是什么形状?我们所知道任何宇宙形状都可以是错误的，依据一项最新研究，宇宙可能不是像床单一样扁平，而是像一个巨大的充气气球。
这项最新研究报告发表在11月4日出版的《自然天文学》杂志上，该研究报告源自宇宙微波背景(CMB)的相关数据，宇宙微波背景是大爆炸的微弱回声，但并不是任何人都对这项最新研究信服，该研究基于2018年发布的数据，与多年以来的传统观点相悖，也与近期另一项基于相同宇宙微波背景数据集的研究不一致。
依据这项最新研究，如果宇宙形状是弯曲的，那也是平缓地弯曲结构，这种平缓的弯曲结构对人类生活、太阳系甚至银河系的运行并不重要，但是在银河系之外深邃黑暗的宇宙空间，天体保持着直线运行，最终将绕圈循环，并回到最初的起始点。宇宙学家称这种想法为“封闭宇宙”，它已存在了一段时间，但它不符合现有的宇宙运行理论，因此在很大程度上不被人们接受，取而代之的是一个“平坦宇宙”概念，宇宙向各个方向沿伸且没有边界，自身不进行回路循环。
目前，宇宙微波背景最佳测量的异常数据资料提供了宇宙是封闭结构的有力证据(但并不是绝对证据)，封闭宇宙和开放宇宙的区别有点像被拉伸的平板和膨胀的气球，无论是哪种情况，整个宇宙都处于膨胀之中。当某个平面结构被拉伸时，该结构上的每个点都保持直线彼此远离;当宇宙膨胀时，其表面每个点都彼此远离，但是这个球状宇宙的曲率将使该运动的几何结构变得更加复杂。
研究报告合著作者、罗马智慧大学宇宙学家阿里桑德罗·梅奇里(Alessandro Melchiorri)称，这意味着如果有两个光子，它们在封闭宇宙中平行移动，最终会相遇在一起。
在开放、平坦的宇宙概念中，光子在不受干扰的情况下，会沿着它们的平行方向运动，而不会相互作用。
梅奇里说：“传统宇宙模型是不断膨胀的，暗示着宇宙应当是平坦结构，追溯至宇宙膨胀之初，在大爆炸后最初的0.0000000000000000000000001秒，依据这个最新模型，将呈现一个难以置信的时间节点，宇宙从最初那个无限小的点开始增长，以指数级迅速膨胀，这个超快膨胀的物理结构这是一个平坦的宇宙。
这是多数专家认为宇宙是平坦结构的第一原因，梅奇里说：“如果宇宙不是平坦结构，你必须‘微调’原始机制中的物理原理，使其完全吻合，并在此过程中进行无数次其他运算，这可能是揭晓宇宙结构的必要环节。”
因为宇宙背景辐射存在异常，它是我们在宇宙中观测到最古老的现象，是由周围的微波光构成，当人们将恒星、星系和其他干扰阻挡在外时，它就会充满整个空间。它是关于宇宙历史和行为的最重要数据来源之一，因为宇宙背景辐射太古老了，并且遍布整个宇宙。依据最新数据资料，宇宙背景辐射的“引力透镜效应”比预期的更多，这意味着引力对宇宙微波背景辐射的弯曲作用似乎比现有物理学所解释的更显著。
研究小组使用的数据源自2018年普朗克实验，这是一个欧洲航天局实验，能够比以往任何时候更详细地绘制宇宙微波背景辐射。
为了解释宇宙额外的透镜效果，普朗克实验项目在该宇宙结构模型中加入一个额外变理，科学家称其为“透镜”，梅奇里说：“这是你的手放入其中，试图解释你所看到的事物，这与物理学没有关系，意味着在爱因斯坦相对论中没有透镜参数，我们发现人们可以用一个正弯曲宇宙概念来解释‘透镜’，这是一个能用广义相对论说明的物理解释。”
梅奇里指出，研究小组的解释并不是结论性的，依据该小组的计算结果，普朗克数据指向一个标准偏差3.5西格玛的封闭宇宙，西格玛是一种统计测量单位，意味着计算结果99.8%的可信度不是随机的，该数据远低于物理学家通常所提及的5西格玛标准。
但是一些宇宙学家表示，还有更多的环节存在疑问，需要进一步研究分析。斯坦福大学宇宙学家安德烈·林德(Andrei Linde)表示，《自然天文学》杂志上这篇最新论文，并未考虑到10月1日发表的另一篇重要论文结论。
在该研究论文中，英国剑桥大学宇宙学家乔治·埃夫斯塔西奥(George Efstathiou)和史蒂芬·格拉顿(Steven Gratton)也参与了普朗克合作项目，他们的研究数据范围比《自然天文学》杂志发表的论文更小，他们的分析也基本支持了一个曲面宇宙的观点，但与梅奇里等人所分析的更多普朗克数据相比，他们的统计可信度更低很多。当埃夫斯塔西奥和格拉顿将这些数据与其他早期宇宙的数据集一起研究时，他们发现这些证据均指向一个开放的平面宇宙。
同时，埃夫斯塔西奥和格拉顿所依据的普朗克数据太少，他们的研究是基于改良版的普朗克数据，而不是600多名物理学家审查通过的公共数据。埃夫斯塔西奥在研究过程将部分普朗克数据直接引用，他指出，如果宇宙的弯曲的，这与早期宇宙的其他数据集相矛盾，并且与观测到的宇宙膨胀率存在差异。
目前，梅奇里承认封闭宇宙模型将对物理学带来很多疑问，他说：“我不想说自己相信存在一个封闭宇宙，我保持中立观点，最终的研究结果将建立在可信度数据之上，在研究过程中我们必须非常谨慎，努力寻找出造成这个差异的具体原因。