超级算法大幅提升暗能量测量精度

暗能量到底是什么？这个问题困扰了物理学家二十多年。它看不见摸不着，却又无时无刻不在推动着宇宙加速膨胀。如今，一支由西班牙巴塞罗那大学领衔的国际团队，在Nature Astronomy上发表了一项成果，或许能给这个谜题的破解带来转机——他们开发了一套名为CIGaRS的数据分析框架，将利用Ia型超新星测量暗能量的精度提升了一大截。

要说清楚CIGaRS的价值，不妨先来回顾一个关键背景。Ia型超新星是一类爆发亮度极为稳定的恒星爆炸，天文学家把它们当作宇宙中的“标准烛光”——知道它的真实亮度，就能根据观测到的明暗程度推算出距离，进而反推出宇宙膨胀的速度。没错，三十年前，暗能量就是这样被揪出来的。

但问题在于，传统的数据分析方法正在拖后腿。目前，鲁宾天文台即将启动一项名为LSST的大规模巡天计划，预计会发现数以百万计的超新星。传统的做法是先找到这颗超新星所在的星系，用星系的光谱来估算距离，再用模板去模拟亮度曲线。样本少的时候还行，可一旦样本量放大到百万级别，误差也随之放大，暗能量的测量结果反而会越算越模糊。

CIGaRS框架的厉害之处，在于它换了一套完全不同的思路。它把基于模拟的统计推断方法和机器学习结合起来，对每一颗Ia型超新星做端到端的统一建模。说白了，就是把超新星自身的物理特性、所在星系的星光成分、星际尘埃的消光效应、宇宙膨胀的历史参数——足足12个因素，全部放进同一个数学框架里同时计算。这样一来，仅仅依靠测光的照片，就能得出接近光谱测量精度的距离数据。

研究团队在LSST的模拟数据上做了测试，结果相当亮眼：CIGaRS对暗能量各项参数的约束能力，比目前主流的分析方法提升了大约4倍，而且对模型设定错误的容忍度更高。换句话说，这套框架不仅让测量更准，还让测量更稳。

另一个值得玩味的细节是，新框架的训练数据来自模拟生成的超新星图像，实际使用时只需要输入真实的测光数据，完全不需要额外运行光谱处理流程。这对LSST每周产生TB级数据量的节奏来说，几乎是必不可少的技术储备。当然，它同样可以用于欧洲的欧几里得空间望远镜和美国未来的罗曼空间望远镜的数据处理。

暗能量究竟是不是爱因斯坦提出的那个宇宙常数？目前的观测数据表明，暗能量的行为大致接近，但两者之间还存在细微的差异。CIGaRS的出现，或许能让天文学家真正做出判断——这才是它最大的意义所在。

总编辑圈点

暗能量是现代物理学的一大谜题。它无处不在却又看不见摸不着。搞清楚它，可以回答“宇宙从哪来到哪去”的重大问题。过去，科研人员通过观测超新星发现了暗能量的存在，但获得的绝大部分超新星的数据精度并不足以支撑进一步的分析测量。如今，依靠强大的望远镜，我们观测到越来越多的超新星，迫切需要新的分析手段。此次，科学家开发了一种超级算法，让可能“沉睡”的超新星光测照片也能提供丰富信息，为我们探明暗能量真身提供了可能。