Das Universum durch KI lesen

Ein internationales Team unter der Leitung des Institute of Cosmos Sciences (ICCUB) der Universität Barcelona hat ein bahnbrechendes KI-Framework entwickelt, das die Art und Weise, wie Astronomen die Expansion des Universums messen, revolutionieren könnte. Veröffentlicht in Nature Astronomy, nutzt das CIGaRS (Combined Inference from Galaxy, supernova, and Redshift Surveys) genannte Framework maschinelles Lernen, um weit mehr Informationen aus Typ-Ia-Supernovae zu extrahieren als bisher möglich.

Der CIGaRS-Durchbruch

CIGaRS löst dieses Problem, indem es ein einziges, einheitliches Modell erstellt, das gleichzeitig die Supernova selbst, ihre Wirtsgalaxie, interstellaren Staub, Supernovaraten im Laufe der kosmischen Geschichte und die Expansion des Universums berücksichtigt — alles verbunden in einem Bayesianischen Inferenzrahmen.

Ein neuronales Netz lernt, wie simulierte Beobachtungen mit physikalischen Parametern zusammenhängen. Nach dem Training kann es Zehntausende echter Supernovae gleichzeitig analysieren — eine mit herkömmlichen Techniken unmögliche Aufgabe.

Wichtige Ergebnisse

- Rotverschiebung allein aus Bildern: Das Framework bestimmt Galaxienentfernungen mit einer mit der Spektroskopie vergleichbaren Präzision. - 4-fache Verbesserung: CIGaRS könnte kosmologische Einschränkungen um bis zu den Faktor vier gegenüber herkömmlichen Methoden verbessern. - Rubin-Observatorium bereit: Das Vera C. Rubin Observatory in Chile wird Millionen von Supernovae entdecken. CIGaRS wurde für diese Datenflut entwickelt.