Wissenschaftler nutzen explodierende Sterne, um das Universum präziser zu vermessen

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 simulation-based inference (Inferenz basierend auf Simulationen) 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 verknüpften.

Sobald das System trainiert ist, kann es reale Beobachtungen analysieren und die entsprechenden Parameter ableiten. „Im Gegensatz zu anderen Frameworks, die analytische Vereinfachungen erfordern, ist unser Ansatz der Simulation-basierten Inferenz ohne Kompromisse und mit 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.

Was die Studie zeigt

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.

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.

Was die Studie zeigt

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