天文学领域迎来一项突破性进展——由巴塞罗那大学宇宙科学研究所主导的国际团队开发出一种新型人工智能驱动的分析框架，能够从超新星观测中挖掘出更丰富的宇宙学信息。这项发表在《自然天文学》上的研究，通过将超新星与其宿主星系进行联合建模，为理解宇宙膨胀和暗能量本质提供了全新视角。
作为宇宙学研究的核心工具，Ia型超新星因其近乎恒定的真实亮度被视为"标准烛光"。天文学家通过比较其观测亮度与理论亮度，能够精确测量遥远星系的距离。这一方法在1998年证实了宇宙加速膨胀现象，直接指向了神秘暗能量的存在。然而现有研究面临关键瓶颈：不同环境中的超新星亮度存在微妙差异，传统校正方法难以完全消除这些系统误差。
研究团队构建的CIGaRS框架创造性地整合了五大核心要素：超新星爆发机制、宿主星系特性、星际尘埃消光效应、宇宙爆发率演化以及宇宙膨胀历史。通过贝叶斯推理技术，该模型在计算机中重建了从大爆炸到当下的虚拟宇宙，使各个物理参数形成自洽的关联网络。项目负责人解释称："这种端到端建模方式能同时优化数百个参数，特别适合探测未知的系统性偏差。"
人工智能技术的引入使大规模数据处理成为可能。研究团队首先生成数百万个模拟宇宙，训练神经网络识别观测特征与物理参数间的复杂关系。经过训练的AI系统可直接从天文图像中推断红移等关键参数，其精度达到传统光谱测量水平的90%，但处理效率提升三个数量级。这种图像分析方法特别适用于即将投入运行的薇拉·鲁宾天文台，该望远镜预计每年将发现数百万颗超新星，其中99%仅能通过光度观测获取数据。
测试结果显示，新框架在测量宇宙膨胀速率时可将误差范围缩小四倍。更引人注目的是，该模型通过重建超新星爆发率与星系年龄的关系，为研究白矮星双星系统的演化提供了新线索。研究人员强调，这种物理建模与机器学习的深度融合，标志着宇宙学研究从数据驱动向理论驱动的范式转变。
超新星爆发是大质量恒星生命终点的剧烈能量释放过程。当恒星核心的核聚变燃料耗尽时，引力坍缩会引发温度和密度的急剧升高，最终触发失控的核反应。对于双星系统中的白矮星，吸积伴星物质达到钱德拉塞卡极限（约1.4倍太阳质量）时，同样会引发剧烈爆炸。这些宇宙级"焰火"不仅短暂照亮所在星系，其抛射的重元素更是新一代恒星和行星形成的物质基础。
