数百万颗超新星爆炸或将揭开暗能量秘密

巴塞罗那大学宇宙科学研究所（ICCUB）领衔研发了一项创新分析技术，有望将科学家在测量宇宙膨胀与解密暗能量方面的研究效率提升整整一倍。

相关研究成果近期发表于《自然·天文学》期刊，文中介绍了一种名为CIGaRS的分析框架。该框架能够从Ia型超新星——即用于测量宇宙距离的恒星爆炸现象——中挖掘出更多关键信息。与当前大多数依赖耗时且成本高昂的光谱观测方法不同，CIGaRS主要借助图像数据进行分析。这一突破对于即将启动的新一代巡天项目，尤其是薇拉·鲁宾天文台的观测任务，具有深远意义。

Ia型超新星为何至关重要

Ia型超新星源于白矮星的爆炸。由于这类爆炸的固有亮度基本保持恒定，天文学家将其视为“标准烛光”：通过对比其真实亮度与地球上观测到的视亮度，即可准确计算出天体距离。

正是借助这类测量，科学家发现了宇宙正在加速膨胀，并将这一现象归因于暗能量——这也是现代物理学中最大的未解之谜之一。

然而，情况并非如此简单。Ia型超新星之间实际上存在着细微差异。

宿主星系如何影响超新星测量

过去二十年来，天文学家发现超新星的观测亮度会受到其所在宿主星系的影响。那些位于年老或质量较大星系中的超新星，与年轻或质量较小星系中的超新星相比，其观测特征存在细微差别。

以往，研究人员采用相对简单的修正方法来处理这些差异。虽然这种方法有一定效果，但近似处理会限制距离测量的精确度，进而影响宇宙学研究的可靠性。

超新星与宇宙的统一模型

新框架采取了截然不同的思路：它不再分别处理各个因素，而是构建一个统一的综合模型，将超新星爆炸本身、宿主星系属性、改变星光的星际尘埃、宇宙历史上超新星发生率的变化，以及宇宙膨胀本身，全部整合在一起进行建模。

通过在一个统一的统计与物理框架内将所有要素关联起来，研究团队能够捕捉到各部分单独分析时容易忽略的内在联系。

“对宇宙建模的一种高效方式，是利用贝叶斯推断在计算机中从头模拟宇宙，”该研究的共同作者、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实际样貌。更重要的是，它还能帮助我们探究那些‘未知的未知’系统误差，并评估其影响。这类误差对推断结果的影响，可以算是当前宇宙建模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，计算压力可想而知。为了让该方法切实可行，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：科学家首先根据物理模型生成大量模拟宇宙，再利用神经网络——一种人工智能技术——来学习模拟观测数据与背后物理属性之间的对应关系。训练完成后，系统便可将真实天文观测数据与模拟数据进行比较，从而推断出最可能的底层物理参数。

这一策略使得同时分析数万颗超新星成为可能，传统方法几乎无法实现这一点。

仅凭图像精准测定星系距离

研究的一项重要发现是，该框架仅依靠图像数据就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观测对应的宇宙时间节点。

研究人员指出，新方法给出的红移估算精度与光谱测量相当，但完全无需获取光谱数据。这一能力至关重要，因为即将开展的巡天项目预计会发现数百万颗超新星候选体，其中能够获得光谱后续观测的数量将极为有限。

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，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%的天体只能依靠测光观测——即通过不同波段的图像记录——而无法进行详细的光谱分析。

CIGaRS框架正是针对这一挑战而设计的。

“与其他需要引入解析简化的框架不同，我们采用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，同时有效避免选择偏差和建模偏差的陷阱，”该研究的第一作者、ICCUB-SISSA的康斯坦丁·卡尔切夫说。

深入理解超新星的形成机制

该框架的价值不仅限于测量暗能量，还为研究Ia型超新星的起源提供了全新视角。

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，模型能够帮助科学家深入探讨那些长期悬而未决的、关于超新星前身星系统的问题。

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

随着鲁宾天文台即将开启天文发现的全新时代，像CIGaRS这样的工具，有望帮助科学家从观测数据中提取最大信息量，从而深化人类对宇宙的认知。

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。其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，再利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数据进行对比，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。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：数百万颗超新星爆炸或将揭开暗能量秘密要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题