Investigadores liderados por el Instituto de Ciencias del Cosmos de la Universidad de Barcelona (ICCUB) han desarrollado una nueva técnica que podría mejorar enormemente cómo los científicos estudian la expansión del Universo e investigan la misteriosa fuerza conocida como energía oscura. Porque, aparentemente, el universo no ha terminado de presumir.

Publicada en Nature Astronomy, la investigación introduce un marco llamado CIGaRS que puede extraer mucha más información de las supernovas de tipo Ia, las poderosas explosiones estelares utilizadas para medir vastas distancias cósmicas. A diferencia de muchos enfoques actuales, el método se basa principalmente en datos de imágenes en lugar de costosas observaciones espectroscópicas. Se espera que el avance ayude a los astrónomos a aprovechar al máximo los enormes conjuntos de datos que pronto llegarán de los estudios del cielo de próxima generación, particularmente los realizados por el Observatorio Vera C. Rubin.

Las supernovas de tipo Ia ocurren cuando las estrellas enanas blancas explotan. Debido a que estas explosiones alcanzan casi el mismo brillo intrínseco, los astrónomos las utilizan como "velas estándar": al comparar su brillo real con el brillo que parecen tener desde la Tierra, los investigadores pueden calcular su distancia. Estas mediciones jugaron un papel crucial en el descubrimiento de que el Universo se está expandiendo a un ritmo acelerado. Los científicos atribuyen esa aceleración a la energía oscura, una de las preguntas sin resolver más significativas en la física moderna.

Sin embargo, hay una complicación importante. Las supernovas de tipo Ia no son perfectamente idénticas. Durante los últimos 20 años, los astrónomos han descubierto que el brillo observado de una supernova está influenciado por la galaxia donde ocurre. Las supernovas encontradas en galaxias más viejas o más masivas pueden parecer ligeramente diferentes de las que ocurren en galaxias más jóvenes o menos masivas. Los investigadores generalmente han tenido en cuenta estas diferencias utilizando métodos de corrección relativamente simples. Aunque útiles, estas aproximaciones pueden limitar la precisión de las mediciones de distancia y, a su vez, la precisión de los estudios cosmológicos.

El nuevo marco aborda este desafío modelando múltiples factores simultáneamente. En lugar de tratar cada componente de forma independiente, los investigadores construyeron un modelo único e integrado que incluye las propias explosiones de supernova, sus galaxias anfitrionas, el polvo que altera su luz, los cambios en las tasas de supernova a lo largo de la historia cósmica, e incluso la expansión del Universo. "Una forma poderosa de modelar el Universo es simularlo ab initio en la computadora utilizando inferencia bayesiana", dice Raúl Jiménez (ICREA-ICCUB), coautor del estudio. "Esto proporciona una manera de variar todos los parámetros posibles al mismo tiempo para predecir en qué Universo vivimos. Además, al tener esta capacidad, se pueden buscar posibles sistemáticas 'desconocidas desconocidas' para entender su efecto".

Construir un modelo tan completo normalmente requeriría una enorme potencia informática. Para hacer práctico el enfoque, los investigadores recurrieron a una técnica moderna llamada inferencia basada en simulación. El proceso comienza con los científicos generando grandes números de universos simulados basados en modelos físicos. Una red neuronal luego aprende cómo las observaciones simuladas se relacionan con las propiedades físicas que las produjeron. Una vez entrenado, el sistema puede comparar observaciones astronómicas reales con sus simulaciones y determinar los parámetros subyacentes más probables. Esta estrategia hace posible analizar decenas de miles de supernovas simultáneamente, una tarea que sería impracticable utilizando técnicas tradicionales.

Uno de los hallazgos más significativos del estudio es que el marco puede determinar las distancias de las galaxias (corrimientos al rojo) con alta precisión utilizando solo datos de imágenes. Según los investigadores, el nuevo método proporciona estimaciones de corrimiento al rojo con una precisión comparable a las mediciones espectroscópicas, pero sin requerir espectros. Esta capacidad es especialmente importante porque los próximos estudios se espera que identifiquen millones de candidatos a supernova, mientras que solo un pequeño porcentaje puede recibir espectroscópicamente