Forscher des Instituts für Kosmoswissenschaften der Universität Barcelona (ICCUB) haben eine neue Technik entwickelt, die die Erforschung der Expansion des Universums und der mysteriösen Dunklen Energie erheblich verbessern könnte. Denn anscheinend ist das Universum noch nicht fertig mit Angeben.

Veröffentlicht in Nature Astronomy, stellt die Forschung ein Framework namens CIGaRS vor, das weitaus mehr Informationen aus Supernovae vom Typ Ia extrahieren kann – den gewaltigen Sternenexplosionen, die zur Messung kosmischer Entfernungen dienen. Anders als viele aktuelle Ansätze stützt sich die Methode hauptsächlich auf Bilddaten statt teurer spektroskopischer Beobachtungen. Der Fortschritt soll Astronomen helfen, die enormen Datensätze optimal zu nutzen, die bald von neuen Himmelsdurchmusterungen der nächsten Generation eintreffen werden, insbesondere vom Vera C. Rubin Observatory.

Supernovae vom Typ Ia treten auf, wenn Weiße Zwerge explodieren. Da diese Explosionen nahezu die gleiche intrinsische Helligkeit erreichen, nutzen Astronomen sie als „Standardkerzen“: Durch den Vergleich ihrer tatsächlichen Helligkeit mit der von der Erde aus beobachtbaren Helligkeit können Forscher ihre Entfernung berechnen. Diese Messungen spielten eine entscheidende Rolle bei der Entdeckung, dass sich das Universum mit beschleunigter Geschwindigkeit ausdehnt. Wissenschaftler führen diese Beschleunigung auf Dunkle Energie zurück, eines der bedeutendsten ungelösten Probleme der modernen Physik.

Allerdings gibt es eine wichtige Komplikation. Supernovae vom Typ Ia sind nicht perfekt identisch. In den letzten 20 Jahren haben Astronomen herausgefunden, dass die beobachtete Helligkeit einer Supernova von der Galaxie beeinflusst wird, in der sie auftritt. Supernovae in älteren oder massereicheren Galaxien können sich geringfügig von denen in jüngeren oder weniger massereichen Galaxien unterscheiden. Forscher haben diese Unterschiede bisher mit relativ einfachen Korrekturmethoden berücksichtigt. Obwohl nützlich, können diese Näherungen die Genauigkeit von Entfernungsmessungen und damit die Präzision kosmologischer Studien einschränken.

Das neue Framework begegnet dieser Herausforderung, indem es mehrere Faktoren gleichzeitig modelliert. Anstatt jede Komponente unabhängig zu behandeln, erstellten die Forscher ein einziges integriertes Modell, das die Supernova-Explosionen selbst, ihre Wirtsgalaxien, den Staub, der ihr Licht verändert, Änderungen der Supernova-Raten im Laufe der kosmischen Geschichte und sogar die Expansion des Universums umfasst. „Eine leistungsstarke Methode, das Universum zu modellieren, besteht darin, es ab initio im Computer mit Bayes'scher Inferenz zu simulieren“, sagt Raúl Jiménez (ICREA-ICCUB), Koautor der Studie. „Dies bietet eine Möglichkeit, alle möglichen Parameter gleichzeitig zu variieren, um vorherzusagen, in welchem Universum wir leben. Darüber hinaus kann man mit dieser Fähigkeit nach möglichen ‚unbekannten Unbekannten‘ in den Systematiken suchen, um deren Effekt zu verstehen.“

Ein so umfassendes Modell zu erstellen, würde normalerweise enorme Rechenleistung erfordern. Um den Ansatz praktikabel zu machen, griffen die Forscher auf eine moderne Technik namens simulationsbasierte Inferenz zurück. Der Prozess beginnt damit, dass Wissenschaftler große Zahlen simulierter Universen auf der Grundlage physikalischer Modelle erzeugen. Ein neuronales Netz lernt dann, wie die simulierten Beobachtungen mit den physikalischen Eigenschaften zusammenhängen, die sie erzeugt haben. Einmal trainiert, kann das System reale astronomische Beobachtungen mit seinen Simulationen vergleichen und die wahrscheinlichsten zugrunde liegenden Parameter bestimmen. Diese Strategie ermöglicht es, zehntausende Supernovae gleichzeitig zu analysieren – eine Aufgabe, die mit herkömmlichen Techniken unpraktikabel wäre.

Eines der bedeutendsten Ergebnisse der Studie ist, dass das Framework Galaxienentfernungen (Rotverschiebungen) mit hoher Genauigkeit allein aus Bilddaten bestimmen kann. Laut den Forschern liefert die neue Methode Rotverschiebungsschätzungen mit einer mit spektroskopischen Messungen vergleichbaren Präzision, jedoch ohne Spektren zu benötigen. Diese Fähigkeit ist besonders wichtig, da zukünftige Durchmusterungen voraussichtlich Millionen von Supernova-Kandidaten identifizieren werden, während nur ein kleiner Prozentsatz realistischerweise spektroskopisch nachverfolgt werden kann.