天文学领域迎来一项突破性进展：由巴塞罗那大学宇宙科学研究所主导的国际团队开发出名为CIGaRS的人工智能框架，该系统通过整合超新星及其宿主星系的多维度数据，显著提升了宇宙学研究的精度。这项发表于《自然天文学》的研究，为破解暗能量之谜和宇宙膨胀规律提供了全新工具。
作为宇宙学研究的核心"标准烛光"，Ia型超新星由白矮星爆炸形成，其固有亮度具有高度一致性。天文学家通过对比实际观测亮度与理论亮度，可精确推算星系距离，这一方法曾助力发现宇宙加速膨胀现象。但现有研究显示，超新星亮度会受宿主星系年龄、质量等因素影响，传统修正方法难以完全消除这些系统误差。
研究团队构建的综合性模型突破了传统局限。该系统将超新星爆发机制、星系演化特征、星际尘埃消光效应、宇宙膨胀历史等12个关键参数进行联合建模，通过贝叶斯推理框架实现物理参数的动态优化。项目负责人康斯坦丁·卡尔切夫解释："我们让计算机从基础物理定律出发，通过百万次模拟推演宇宙演化过程，这种自洽建模方式能有效识别传统方法忽略的系统误差。"
人工智能技术的引入使数据处理效率实现质的飞跃。研究团队首先生成包含5000万个虚拟宇宙的数据库，随后训练神经网络建立观测数据与物理参数的映射关系。这种基于模拟的推理方法，使系统能够直接从多色测光图像中提取红移信息，精度达到传统光谱测量水平的92%，但处理速度提升3个数量级。
该技术对即将启用的薇拉·鲁宾天文台具有特殊价值。这座位于智利的8米级望远镜将在十年内监测数十亿个天体，预计发现超1000万颗超新星，但其中仅1%能获得光谱确认。CIGaRS框架可充分利用测光数据，将宇宙学参数的测量误差降低75%，对暗能量状态方程的约束能力提升至传统方法的4倍。
除宇宙学应用外，该模型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，团队发现老年星系中的Ia型超新星更可能源自双白矮星并合，而年轻星系中的爆炸事件多由白矮星吸积伴星物质引发。这项发现修正了持续30年的理论假设，为超新星 progenitor 系统研究提供关键证据。
研究团队正在将框架扩展至其他类型超新星，并计划整合引力波数据构建多信使宇宙学模型。随着人工智能与基础物理的深度融合，天文学正进入全参数建模的新时代，为理解宇宙终极命运提供更精确的观测工具。