Wissenschaftler nutzen explodierende Sterne, um das Universum präziser zu vermessen

Es ist darauf ausgelegt, mehr Informationen aus Typ-Ia-Supernovae, also explodierenden Sternen, die für die Kosmologie, zu gewinnen, hauptsächlich durch den Einsatz Beobachtungen. Die Methode könnte Wissenschaftlern helfen, die enormen Datensätze, die werden, voll auszuschöpfen, insbesondere jene vom Vera C. Rubin Observatory.

Warum Supernovae für das Verständnis des Universums wichtig sind: Typ-Ia-Supernovae entstehen, wenn Weiße Zwerge explodieren. Da diese Explosionen nahezu dieselbe wahre Helligkeit aufweisen, betrachten Astronomen sie als „Standardkerzen".

Durch den Vergleich ihrer erwarteten Helligkeit mit ihrer scheinbaren Helligkeit können Forscher Entfernungen Kosmos abschätzen. Diese Methode spielte eine entscheidende Rolle bei der Aufdeckung, dass sich die Expansion des Universums beschleunigt – ein Effekt, der mit dunkler Energie zusammenhängt, einer der tiefgreifendsten ungelösten Fragen der Physik.

Doch es gibt eine wichtige Komplikation:

Doch es gibt eine wichtige Komplikation: Typ-Ia-Supernovae sind nicht perfekt identisch. Das Problem: Supernovae werden den letzten 20 Jahren haben Astronomen festgestellt, dass die Helligkeit Galaxien abhängt, in denen sie auftreten.

Beispielsweise können Supernovae in älteren oder massereicheren Galaxien leicht anders aussehen als solche in jüngeren oder kleineren Galaxien. Bisher haben Forscher diese Effekte typischerweise mit relativ einfachen Näherungen korrigiert.

Diese Abkürzungen können die Präzision einschränken, mit der Wissenschaftler Supernovae zur Messung kosmischer Entfernungen nutzen. Eine einheitliche Lösung: umfassende Modelle.

Technik und Auswirkungen

Die neue Arbeit adressiert diese Herausforderung, indem sie viele miteinander verbundene Faktoren gemeinsam modelliert: die Supernova-Explosionen, ihre Wirtsgalaxien, den Staub, der das Licht abdunkelt und rötet, die Häufigkeit über die kosmische Geschichte hinweg sowie die Expansion des Universums selbst.

Statt jede Komponente separat zu behandeln, erstellte das Team ein einziges selbstkonsistentes Modell, das diese Elemente durch physikalische und statistische Beziehungen verknüpft. „Eine leistungsstarke Methode zur Modellierung des Universums besteht darin, es ab initio Computer mittels Bayes'scher Inferenz zu simulieren", sagt Raúl Jiménez (ICREA-ICCUB), Mitautor der Studie. „Dies bietet die Möglichkeit, alle möglichen Parameter gleichzeitig zu variieren, um vorherzusagen, in welchem Universum wir leben.

Darüber hinaus ermöglicht diese Kapazität die Untersuchung möglicher ‚unbekannter Unbekannter' systematischer Fehler, um deren Auswirkungen zu verstehen." Der Einfluss dieser Systematik auf unsere Schlussfolgerungen ist zweifellos der wichtigste fehlende Baustein in aktuellen Ansätzen zur Modellierung des Universums.

Technik und Auswirkungen

Künstliche Intelligenz und Kosmologie Um diese umfassende Modellierungsstrategie praktisch umsetzbar zu machen, haben die Forscher einen modernen Ansatz namens inference basierend auf Simulationen (simulation-based inference) angewendet.

Der Prozess beginnt damit, dass Wissenschaftler zahlreiche simulierte Universen auf Basis physikalischer Modelle erstellen. Ein neuronales Netzwerk (eine Form künstlicher Intelligenz) lernt daraufhin, wie sich die simulierten Beobachtungen mit den zugrundeliegenden physikalischen Parametern verknüpfen.

Sobald das System trainiert ist, kann es echte astronomische Daten nutzen, um diese Parameter direkt abzuleiten. Dies ermöglicht es, Zehntausende – ein Maßstab, den herkömmliche Methoden in der Realität nicht bewältigen konnten.

Ein zentrales Ergebnis: Präzise Entfernungen ohne

Ein zentrales Ergebnis: Präzise Entfernungen ohne Spektroskopie Eine wesentliche Erkenntnis ist, dass die Methode Galaxienentfernungen, bekannt als Rotverschiebungen, allein anhand äzise schätzen kann. Die Rotverschiebung beschreibt, um wie viel das Licht einer Galaxie durch die Expansion des Universums gedehnt wurde.

Sie ermglicht Astronomen, sowohl die Entfernung einer Galaxie als auch die Zeit zurck zu bestimmen, in der wir sie beobachten. Der neue Ansatz erreicht eine Genauigkeit, die der spektroskopischen Messung entspricht, ohne jedoch Spektren zu bentigen.

Dies ist, da zuknftige Himmelsdurchmusterungen Millionen potenzieller Supernovae identifizieren werden, whrend nur ein kleiner Anteil davon spektroskopisch nachverfolgt werden kann. Vorbereitung auf die ra des Rubin-Observatoriums Das Vera C. Rubin-Observatorium, das derzeit Chile errichtet wird, wird bald eine zehnjhrige Himmelsdurchmusterung starten.

Es wird erwartet, dass es eine

Es wird erwartet, dass es eine auergewhnliche Anzahl, 99 % ausschlielich photometrisch, also durch Aufnahmen in verschiedenen Wellenlngenbereichen, beobachtet werden.

Das CIGaRS-Rahmenwerk ist speziell fr solche datenreichen Umgebungen konzipiert. „Im Gegensatz zu anderen Frameworks, die analytische Vereinfachungen erfordern, ist unser Ansatz der Simulation-basierten Inferenz ohne Kompromisse und End-to-End-Fähigkeit einzigartig in der Lage, die gesamte kosmologische und astrophysikalische Information aus den hart erarbeiteten Daten des Rubin Observatory zu extrahieren, während gleichzeitig die Fallstricke werden," sagt Konstantin Karchev (ICCUB-SISSA Triest), Erstautor der Studie.

Über die Kosmologie hinaus: Entdeckung, wie Sterne explodieren. Neben der Verbesserung der Messungen zur Dunklen Energie könnte die Studie auch Forschern helfen, besser zu verstehen, wie Supernovae vom Typ Ia entstehen und wann sie auftreten.

Technik und Auswirkungen

Durch die Rekonstruktion der Abhängigkeit das Modell einen Weg, um langjährige Fragen zu den stellaren Systemen zu untersuchen, die diese Explosionen hervorrufen. Die Ergebnisse deuten darauf hin, dass die Kombination künstlicher Intelligenz wesentliche Schwächen in aktuellen kosmologischen Analysen adressieren kann.

Laut den Autoren könnte diese Methode die kosmologischen Einschränkungen Vergleich zu herkömmlichen Ansätzen, die sich ausschließlich auf eine kleinere Gruppe spektroskopisch beobachteter Supernovae stützen, um bis zu einem Faktor.

Während das Rubin-Observatorium die Astronomie neu gestaltet, könnten Werkzeuge wie CIGaRS Forschern helfen, seine Daten umfassender zu interpretieren und das Universum, das durch diese Beobachtungen enthüllt wird, besser zu verstehen.

Referenz: „CIGaRS I: combined simulation-based inference from type Ia supernovae and host photometry", Roberto Trotta und Raúl Jiménez, 6. Mai 2026, Nature Astronomy. DOI: 10.1038/s41550-026-02842-5