研究チームは、画像データのみを用いて数百万個のIa型超新星を分析する人工知能システムを開発した。この手法は宇宙距離の推定精度を高め、ダークエネルギーの性質を解明する可能性がある。本システムは、ヴェラ・C・ルービン天文台による今後の大規模観測を見据えて設計されている。
バルセロナ大学宇宙科学研究所の科学者らは、超新星、母銀河、塵の影響、宇宙膨張を統合的にモデル化する「CIGaRS」フレームワークを開発した。学術誌『Nature Astronomy』に掲載されたこの手法は、シミュレーションに基づく推論とニューラルネットワークを用いて測光観測データを処理する。
ラウル・ヒメネス氏は、この手法によりすべてのパラメータを同時に変化させることが可能となり、未知の系統誤差を特定するのに役立つと述べた。筆頭著者のコンスタンティン・カルチェフ氏は、この手法を用いることで、大規模データセットから情報を余すところなく抽出できるだけでなく、選択バイアスも回避できると指摘している。
Ia型超新星は、距離測定における「標準光源」としての役割を果たす。この新システムは、スペクトルデータなしで分光観測に匹敵する赤方偏移の精度を達成する。将来検出される超新星のうち分光追跡観測が可能なものはごく一部であるため、これは大きな利点となる。
チリのヴェラ・C・ルービン天文台は、間もなく10年間にわたる観測調査を開始し、膨大な数の超新星を検出する予定である。研究者らは、このフレームワークを用いることで、宇宙論的な制約条件を従来の手法と比べて最大4倍精度を高められると予測している。