一种新的人工智能驱动框架有望彻底改变天文学家测量宇宙膨胀的方式。通过分析Ia型超新星图像并以前所未有的细节对其环境进行建模，研究人员能够以接近光谱的精度估算宇宙距离。该技术专为处理即将建成的薇拉·鲁宾天文台（Vera C. Rubin Observatory）预期产生的海量数据而设计，有望极大提升我们对暗能量的理解。
这项发表在《自然-天文学》上的研究介绍了一个名为CIGaRS的框架，它能够从Ia型超新星中提取丰富得多的信息。Ia型超新星是用于测量遥远宇宙距离的强烈恒星爆炸。与许多现有方法不同，该方法主要依赖成像数据，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即将由下一代巡天项目——特别是薇拉·鲁宾天文台开展的项目——带来的海量数据集。
Ia型超新星为何重要
当白矮星爆炸时，就会发生Ia型超新星。由于这些爆炸达到几乎相同的内禀亮度，天文学家将其作为“标准烛光”使用：通过比较其实际亮度与从地球上观测到的亮度，研究人员可以计算出它们的距离。
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。科学家将这种加速归因于暗能量，这是现代物理学中最重大的未解之谜之一。
然而，存在一个重要的复杂因素。Ia型超新星并非完全相同。
宿主星系如何影响超新星测量
在过去20年中，天文学家发现超新星的观测亮度受其所在星系的影响。在较老或较大质量星系中发现的超新星，其外观可能与在较年轻或较小质量星系中发生的超新星略有不同。
研究人员通常使用相对简单的修正方法来处理这些差异。虽然有用，但这些近似方法会限制距离测量的准确性，进而限制宇宙学研究的精度。
超新星与宇宙的统一模型
新框架通过同时对多个因素进行建模来应对这一挑战。研究人员没有独立处理每个组成部分，而是建立了一个单一的集成模型，其中包括超新星爆炸本身、它们的宿主星系、改变其光线的尘埃、宇宙历史中超新星发生率的变化，甚至宇宙的膨胀。
通过将所有这些要素连接在一个统计和物理框架内，团队可以捕捉到在单独分析各部分时经常被忽视的关系。
“模拟宇宙的一种强大方法是利用贝叶斯推断在计算机中从头模拟它，”该研究的合著者、ICREA-ICCUB的Raúl Jiménez说，“这提供了一种同时改变所有可能参数的方法，以预测我们生活在什么样的宇宙中。此外，拥有这种能力，人们可以研究可能的‘未知的未知’系统误差，以了解其影响。这些系统误差在我们推断中的影响可以说是当前宇宙建模方法中最重要的缺失成分。”
利用人工智能分析宇宙
构建这样一个综合模型通常需要巨大的计算能力。为了使该方法切实可行，研究人员转向了一种称为基于模拟的推断的现代技术。
该过程始于科学家基于物理模型生成大量模拟宇宙。然后，神经网络（一种人工智能）学习模拟观测结果与产生这些结果的物理性质之间的关系。一旦经过训练，该系统就可以将真实的天文观测结果与其模拟进行比较，并确定最可能的潜在参数。
这一策略使得同时分析数万颗超新星成为可能，而使用传统技术完成这一任务是不切实际的。
仅凭图像即可获得精确的星系距离
该研究最重要的发现之一是，该框架仅使用成像数据就能高精度地确定星系距离（红移）。
红移测量的是随着宇宙膨胀，星系光线被拉伸的程度。它提供了关于星系距离以及我们正在观测多久以前的时间的信息。
据研究人员介绍，新方法提供的红移估算精度与光谱测量相当，但不需要光谱。这种能力尤为重要，因为即将开展的巡天项目预计将识别数百万个超新星候选体，而实际上只有一小部分能够接受光谱后续观测。
为鲁宾天文台的数据洪流做好准备
目前正在智利建设的薇拉·鲁宾天文台预计在不久的将来开始为期十年的巡天。在那次任务中，它将发现数量空前的超新星。大约99%的天体将仅通过测光进行观测，这意味着通过在不同颜色波段拍摄的图像而非详细光谱进行观测。
CIGaRS框架正是针对这一挑战而专门开发的。
“其他框架需要解析简化，与之不同，我们不妥协的端到端基于模拟的推断方法具有独特的能力，可以从鲁宾天文台来之不易的数据中提取全部宇宙学和天体物理学信息，同时避免选择偏差和建模偏差的陷阱，”该研究的第一作者、ICCUB-SISSA Trieste的Konstantin Karchev说。
深入了解超新星的形成
其益处不仅限于测量暗能量。该框架还提供了关于Ia型超新星本身起源的新信息。
通过重建超新星发生率如何随不同星系中恒星年龄而变化，该模型帮助科学家研究关于最终产生这些爆炸的系统的长期存在的问题。
研究人员发现，将基于物理的模拟与人工智能相结合，可以克服当前宇宙学方法的若干局限性。他们估计，与仅依赖相对较小的光谱观测超新星样本的传统技术相比，该方法可以将宇宙学约束改善多达四倍。
随着鲁宾天文台准备开启天文发现的新时代，像CIGaRS这样的工具可以帮助科学家从其观测中提取最大量的信息，并对宇宙获得更深入的了解。