天文学领域迎来一项突破性进展——国际科研团队开发出新型人工智能驱动的分析框架，能够从爆炸恒星的观测数据中提取更丰富的宇宙学信息。该研究发表于《自然天文学》期刊，为理解宇宙膨胀和暗能量本质提供了全新工具。
这项名为CIGaRS的框架由巴塞罗那大学宇宙科学研究所主导研发，其核心创新在于将Ia型超新星与其宿主星系作为整体进行建模分析。传统方法主要依赖光谱观测获取数据，而新框架通过图像处理技术即可实现同等精度，这为即将投入运行的维拉·C·鲁宾天文台海量数据处理提供了关键解决方案。该天文台预计在未来十年内探测到数百万颗超新星，其中99%将仅通过多色成像进行观测。
Ia型超新星作为"宇宙标尺"具有特殊价值。这类白矮星爆炸事件释放的能量极为稳定，天文学家通过比较其实际亮度与观测亮度，能够精确计算星系距离。这一特性在1998年帮助科学家发现宇宙加速膨胀现象，间接证实了暗能量的存在。但现有模型存在明显局限——超新星亮度会受到宿主星系年龄、质量等因素影响，传统修正方法往往导致测量误差累积。
研究团队通过构建包含五大要素的统一模型破解难题：超新星爆发机制、宿主星系特性、星际尘埃消光效应、宇宙学参数以及星系形成历史。这种物理-统计相结合的建模方式，使系统能够自主识别各要素间的复杂关联。项目负责人康斯坦丁·卡尔切夫解释："我们采用贝叶斯推理技术，在计算机中重建虚拟宇宙，通过调整数十个参数寻找与现实观测最吻合的模型组合。"
人工智能技术的引入使大规模数据分析成为可能。研究团队首先生成数百万个模拟宇宙，训练神经网络识别物理参数与观测特征间的映射关系。经过深度学习的系统能够直接从真实图像中推断红移值（衡量星系距离的关键指标），其精度达到传统光谱方法的水平。这种图像分析技术使数据处理效率提升三个数量级，可同时处理数万个观测目标。
该框架的突破性不仅限于宇宙学研究。通过重建超新星爆发率与星系恒星年龄的关系，科学家首次获得Ia型超新星形成机制的量化证据。模型显示，老年星系中的超新星爆发频率显著低于年轻星系，这为理解双星系统演化提供了新视角。研究团队估算，新方法可将暗能量测量精度提高至传统方法的四倍，同时有效规避选择偏差和建模偏差等系统性误差。
随着维拉·C·鲁宾天文台进入建设收官阶段，这项技术革新恰逢其时。该天文台配备的8.4米望远镜和32亿像素相机，将每夜产生20TB观测数据。CIGaRS框架的端到端设计使其能够直接处理这种规模的数据洪流，在避免信息损失的同时，为探索宇宙膨胀历史、检验广义相对论修正模型等前沿课题开辟新路径。
