宇宙学研究迎来重大突破——一支国际科研团队开发出全新人工智能框架，能够从超新星观测数据中挖掘出前所未有的信息量。这项发表在《自然天文学》的研究成果，或将彻底改变人类测量宇宙膨胀和探索暗能量的方式。
由巴塞罗那大学宇宙科学研究所主导的团队，历时五年开发出名为CIGaRS的智能分析系统。该系统突破传统依赖光谱观测的局限，通过处理超新星及其宿主星系的图像数据，就能精确测定宇宙距离。这项创新特别针对Ia型超新星——这类白矮星爆炸产生的天体因其亮度相对稳定，被天文学家誉为"宇宙标准烛光"。
研究团队发现，超新星的实际亮度会受到宿主星系特性的微妙影响。年轻星系中的超新星与古老星系中的同类，在光谱特征上存在可测量的差异。传统校正方法往往简化这些复杂因素，导致距离测量存在系统性误差。CIGaRS框架通过构建包含超新星爆发机制、星系演化、星际尘埃消光等12个物理参数的统一模型，成功解决了这个长期困扰学界的难题。
该系统的核心突破在于将贝叶斯推理与深度学习相结合。研究人员首先基于物理定律生成数百万个模拟宇宙，然后训练神经网络识别观测数据与底层物理参数之间的复杂关联。这种"模拟即训练"的方法，使系统能够从海量图像中直接推断关键宇宙学参数，其精度达到传统光谱测量水平，而效率却提升百倍以上。
这项技术为即将启用的薇拉·鲁宾天文台量身打造。这座位于智利的大型光学望远镜，将在十年内扫描整个南天球，预计发现数百万颗超新星，但其中仅有1%能获得光谱观测。CIGaRS框架能够充分利用这些海量光度数据，避免传统方法因样本选择偏差导致的结论失真。初步测试显示，新方法可将宇宙膨胀速率（哈勃常数）的测量精度提升四倍，为破解暗能量本质提供关键线索。
研究团队特别强调，该框架不仅适用于宇宙学研究，还能反推恒星演化规律。通过分析超新星爆发率与星系年龄的关系，科学家首次获得了关于Ia型超新星前身系统形成的直接证据。这些发现正在改写大质量恒星生命终章的理论模型，为理解宇宙重元素分布提供新视角。
这项突破标志着人工智能正式成为天体物理研究的核心工具。随着新一代天文观测设备陆续投入使用，智能数据分析技术将帮助人类在探索宇宙的征程中走得更远、看得更清。正如研究论文所指出的："我们正站在天文学数据革命的门槛上，而CIGaRS框架展示了如何将这种数据洪流转化为科学突破的强大能力。"
