Forskare har skapat ett system med artificiell intelligens för att analysera miljontals supernovor av typ Ia med enbart bilddata. Metoden kan förbättra uppskattningar av kosmiska avstånd och undersöka den mörka energins natur. Den är utformad för kommande storskaliga undersökningar vid Vera C. Rubin-observatoriet.
Forskare vid Institute of Cosmos Sciences på Barcelonas universitet har utvecklat ramverket CIGaRS, som modellerar supernovor, värdgalaxer, stoft-effekter och kosmisk expansion tillsammans. Metoden, som har publicerats i Nature Astronomy, använder simuleringsbaserad inferens och neurala nätverk för att bearbeta fotometriska observationer.
Raúl Jiménez säger att tekniken gör det möjligt för alla parametrar att variera samtidigt och hjälper till att identifiera okända systematiska fel. Huvudförfattaren Konstantin Karchev påpekar att den undviker urvalsbias samtidigt som den extraherar fullständig information från stora datamängder.
Supernovor av typ Ia fungerar som standardljus för avståndsmätningar. Det nya systemet uppnår en precision i rödförskjutning som är jämförbar med spektroskopi utan att använda spektra, vilket är en stor fördel eftersom endast en liten bråkdel av framtida detekteringar kommer att få spektroskopisk uppföljning.
Vera C. Rubin-observatoriet i Chile beräknas snart inleda sin tioåriga undersökning och kommer att upptäcka ett enormt antal supernovor. Forskare uppskattar att ramverket skulle kunna strama åt kosmologiska begränsningar med upp till en faktor fyra jämfört med nuvarande metoder.