数百万颗超新星爆炸或将揭开暗能量的秘密

巴塞罗那大学宇宙科学研究所（ICCUB）领导的研究团队开发出一种新技术，有望大幅提升科学家研究宇宙膨胀、探索神秘暗能量的能力。

相关研究成果已发表于《自然·天文学》期刊，论文提出了一种名为CIGaRS的分析框架，可从Ia型超新星——即用于测量宇宙距离的强烈恒星爆炸事件——中提取更为丰富的信息。与现有的许多方法不同，该方法主要依赖图像数据，而非昂贵的光谱观测。这一进展有望帮助天文学家充分利用下一代巡天项目产生的海量数据，尤其是由薇拉·鲁宾天文台开展的相关观测。

Ia型超新星为何至关重要

Ia型超新星由白矮星爆炸产生。由于这类爆炸的固有亮度几乎相同，天文学家将其作为"标准烛光"：通过比较其真实亮度与从地球上观测到的视亮度，研究人员可以计算出它们与地球之间的距离。

这些测量在发现宇宙正在加速膨胀的过程中发挥了关键作用。科学家将这一加速现象归因于暗能量，这也是当代物理学中最重要的未解之谜之一。

然而，问题并非如此简单——Ia型超新星并非完全一致。

宿主星系如何影响超新星测量

过去20年间，天文学家发现超新星的观测亮度会受到其所在星系的影响。位于年老或质量较大星系中的超新星，与位于年轻或质量较小星系中的超新星，在观测特征上存在细微差异。

研究人员通常采用较为简单的修正方法来处理这些差异。尽管有一定效果，但这些近似处理会限制距离测量的精度，进而影响宇宙学研究的准确性。

超新星与宇宙的统一模型

新框架通过同时对多种因素进行建模来应对这一挑战。研究人员没有单独处理各个组成部分，而是构建了一个统一的综合模型，将超新星爆炸本身、宿主星系、改变星光的尘埃、宇宙历史中超新星发生率的变化，乃至宇宙膨胀本身都纳入其中。

通过在一个统一的统计与物理框架内将所有要素相互关联，研究团队得以捕捉到各要素单独分析时往往被忽略的内在联系。

"对宇宙进行建模的一种有效方式，是利用贝叶斯推断在计算机中从头模拟宇宙，"该研究共同作者、ICREA-ICCUB研究员劳尔·希门尼斯表示。"这种方法能够同时调整所有可能的参数，从而预测我们所处宇宙的样貌。此外，借助这一能力，还可以探究潜在的'未知未知'系统误差，并评估其影响。这些系统误差对推断结果的影响，可以说是当前宇宙建模方法中最关键的缺失环节。"

借助人工智能探索宇宙

构建如此全面的模型通常需要极强的计算能力。为使该方法具有实际可行性，研究人员引入了一种现代技术——基于模拟的推断。

具体流程如下：科学家首先依据物理模型生成大量模拟宇宙，随后由神经网络（一种人工智能）学习模拟观测数据与其背后物理属性之间的对应关系。完成训练后，系统便能将真实天文观测数据与模拟数据进行比对，从而推断出最有可能的底层物理参数。

这一策略使同时分析数万颗超新星成为可能，而这在传统方法中几乎无法实现。

仅凭图像精准测定星系距离

研究的重要发现之一，是该框架仅凭图像数据便能高精度地测定星系距离（即红移）。

红移衡量的是随着宇宙膨胀，星系光线被拉伸的程度，能够反映星系的距离以及我们所观测到的宇宙时间节点。

研究人员表示，新方法给出的红移估算精度与光谱测量相当，但无需获取光谱数据。这一能力尤为重要，因为即将开展的巡天项目预计将发现数百万颗超新星候选体，而其中只有极少数能够获得光谱后续观测。

为鲁宾天文台的数据洪流做好准备

薇拉·鲁宾天文台目前正在智利建设中，预计不久后将启动为期十年的全天巡天任务。在此期间，它将发现数量空前的超新星。其中约99%的天体将仅接受测光观测，即通过不同波段的图像进行记录，而非详细的光谱分析。

CIGaRS框架的开发正是专门针对这一挑战。

"与其他需要引入解析简化的框架不同，我们采用的是不妥协的端到端基于模拟推断方法，能够从鲁宾天文台来之不易的观测数据中充分提取宇宙学与天体物理信息，同时有效规避选择偏差和建模偏差的陷阱，"该研究第一作者、ICCUB-SISSA的康斯坦丁·卡尔切夫表示。

深入理解超新星的形成机制

该框架的价值不止于测量暗能量，还为探究Ia型超新星的起源提供了新的视角。

通过重建超新星发生率随不同星系中恒星年龄的变化规律，该模型有助于科学家深入探讨长期以来围绕超新星前身星系统的诸多悬而未决的问题。

研究人员发现，将基于物理的模拟与人工智能相结合，可以突破现有宇宙学方法的若干局限。他们估计，与仅依赖少量光谱观测超新星样本的传统方法相比，该方法对宇宙学参数约束能力的提升幅度可高达四倍。

随着鲁宾天文台即将开启天文发现的新纪元，CIGaRS等工具有望帮助科学家从观测数据中提取最大限度的信息，从而加深人类对宇宙的认知与理解。

Q&A

Q1：CIGaRS框架是什么？它解决了什么问题？

A：CIGaRS是由巴塞罗那大学宇宙科学研究所研究团队开发的一种宇宙学分析框架，主要用于从Ia型超新星的图像数据中提取更丰富的宇宙学信息。它的核心优势在于将超新星爆炸、宿主星系、尘埃影响、超新星发生率变化及宇宙膨胀等多个因素整合进一个统一模型，解决了传统方法分别处理各要素时精度不足的问题。

Q2：CIGaRS如何利用人工智能分析宇宙数据？

A：CIGaRS采用基于模拟的推断技术。研究人员首先根据物理模型生成大量模拟宇宙，再用神经网络学习模拟观测与物理参数之间的映射关系。训练完成后，系统可将真实天文观测与模拟进行对比，推断出最可能的宇宙物理参数。这使得同时分析数万颗超新星成为可能，大幅提升了分析效率。

Q3：CIGaRS框架与鲁宾天文台有什么关系？

A：薇拉·鲁宾天文台启动巡天后预计将发现数量空前的超新星，其中约99%只有图像数据而无光谱数据。CIGaRS正是为此而设计——它仅凭图像数据就能给出与光谱测量精度相当的红移估算，能够充分应对鲁宾天文台产生的海量测光数据，预计可将宇宙学参数约束能力提升至传统方法的四倍。