宇宙学研究迎来重大突破：一项由巴塞罗那大学宇宙科学研究所主导的国际团队开发出全新人工智能框架，通过整合超新星与其宿主星系的观测数据，为精确测量宇宙膨胀速度和暗能量本质提供了革命性工具。这项发表于《自然天文学》的研究成果，标志着人类对宇宙演化规律的理解进入新阶段。
研究团队构建的CIGaRS框架突破了传统方法的局限。传统宇宙学研究主要依赖Ia型超新星作为"标准烛光"，通过测量其亮度变化推算宇宙距离。然而科学家发现，超新星亮度会受到宿主星系年龄、质量等因素影响，此前采用的简化修正方法导致测量误差难以消除。新框架通过建立包含超新星爆炸机制、星系演化特征、星际尘埃消光效应等12个核心参数的物理模型，结合贝叶斯统计方法实现多维度数据同步分析。
人工智能技术的引入使复杂模型成为现实。研究团队首先基于物理定律生成数百万个模拟宇宙，训练神经网络识别观测数据与底层物理参数间的非线性关系。这种"模拟推理"方法使系统能够直接从天文图像中提取关键信息，无需依赖耗时且昂贵的光谱观测。测试显示，该框架仅通过光度数据就能达到传统光谱测量98%的精度，将宇宙学参数的测量误差降低至原来的四分之一。
该技术特别为即将启用的薇拉·鲁宾天文台量身打造。这座位于智利的巨型望远镜将在十年内探测数百万颗超新星，其中99%仅能通过多色成像观测。CIGaRS框架能够处理这种大规模数据集，通过机器学习算法同时分析数万个天体，有效避免传统方法因样本选择偏差导致的系统性误差。研究团队演示了该框架如何从纯图像数据中准确推算星系红移，这项突破使天文学家首次具备仅用光度数据构建三维宇宙地图的能力。
这项研究不仅革新了宇宙学测量手段，还为恒星演化研究开辟新路径。通过重建超新星爆发率与星系恒星年龄的关系，模型揭示了白矮星吸积物质引发爆炸的具体条件。初步结果显示，大质量星系中的超新星爆发存在2亿年的延迟效应，这为验证双星系统演化理论提供了关键证据。研究团队正在扩展模型参数，计划纳入星系旋臂结构、星际磁场强度等更多影响因素，进一步提升预测精度。
随着天文观测进入大数据时代，这种融合物理建模与人工智能的新范式正在重塑宇宙学研究范式。该方法已通过公开数据验证，研究团队已向全球天文学家开放CIGaRS框架源代码，推动建立更精确的宇宙膨胀历史模型。这项突破不仅深化了人类对暗能量的认知，更为解开宇宙最终命运之谜提供了全新视角。
