宇宙"標準燭光"要重寫？AI正在重新校準我們測量宇宙的工具

你有沒有想過，天文學家是怎么知道一顆星星離我們有多遠的？

對于近處的天體，我們可以用三角測量——就像你閉上一只眼睛，再換另一只，看物體位置變化。但對于億萬光年外的星系，這招完全失效。這時候，科學家需要一種"標準燭光"：一種亮度已知、在任何距離看起來都一樣的天體。通過比較它"應該有多亮"和"實際看起來多亮"，就能算出距離。

過去幾十年，天文學界最信賴的標準燭光是一種叫Ia型超新星的爆炸恒星。但最近，一群科學家開始懷疑：這些"燭光"可能并不像我們以為的那么標準。而揭開這個謎團的工具，是即將全面運行的薇拉·魯賓天文臺，加上一套用人工智能驅動的新方法。

這事關一個更宏大的問題：宇宙正在加速膨脹，推動這種膨脹的是被稱為"暗能量"的神秘力量。但我們對暗能量的理解，很大程度上建立在Ia型超新星的距離測量上。如果燭光本身有問題，我們對宇宙的認知可能需要重新校準。

"食人星"的爆炸

Ia型超新星的誕生過程相當暴力。它們起始于一種叫白矮星的死亡恒星殘骸——體積和地球差不多，質量卻接近太陽。這種天體密度極高，一茶匙物質就有好幾噸重。

白矮星本身不會爆炸。但如果它身處雙星系統，就會開始"捕食"旁邊的伴星——不斷吸積對方的物質。當質量累積到約1.4倍太陽質量（這個極限叫錢德拉塞卡極限），白矮星就會失控熱核燃燒，整顆星在數秒內炸成超新星。

關鍵特性來了：因為這種爆炸總在相同的質量閾值觸發，釋放的能量也大致相同。這意味著所有Ia型超新星的峰值亮度都差不多——這正是它們成為標準燭光的基礎。

1998年，兩個研究團隊正是通過觀測遙遠的Ia型超新星，發現宇宙膨脹在加速，從而推導出暗能量的存在。這一發現讓三位科學家獲得了2011年諾貝爾物理學獎。

但問題也逐漸浮現。天文學家注意到，有些Ia型超新星比預期的更亮或更暗。如果爆炸的恒星含有更多重元素（天文學里統稱"金屬"），爆炸特性可能會改變。換句話說，這些"燭光"的亮度可能因環境而異——不再是絕對標準。

用圖像代替光譜

傳統上，天文學家研究超新星依賴光譜觀測：把星光分解成彩虹，分析其中的吸收線和發射線。這能揭示恒星的成分、溫度、運動速度，但過程復雜，且需要大量望遠鏡時間。

新研究團隊提出了另一種思路，他們稱之為CIGaRS框架——全稱是"聯合推斷與星系相關標準化"（Combined Inference and Galaxy-Related Standardization）。

核心區別在于：CIGaRS不依賴光譜，而是直接分析超新星所在星系的圖像，配合數學建模。這種方法能推斷出爆炸恒星的年齡和金屬豐度，而這些信息直接影響超新星的內在亮度。

巴塞羅那大學的勞爾·希門尼斯（Raúl Jiménez）在聲明中解釋了這一方法的優勢："在計算機中模擬宇宙是一種強大的建模方式。這提供了一種同時改變所有可能參數的途徑，來預測我們生活在什么樣的宇宙中。"

更重要的是，這種模擬能力讓科學家可以探索"未知的未知"——那些我們甚至沒意識到的系統誤差，看看它們會對結果產生什么影響。

希門尼斯提到的"系統誤差"正是當前宇宙學的心腹大患。不同方法測出的哈勃常數（宇宙膨脹速率）存在明顯矛盾：超新星給出的數值，與宇宙微波背景輻射的推算結果不一致。這個"哈勃張力"困擾學界多年，而Ia型超新星的標準化問題可能是原因之一。

AI與大數據的入場

CIGaRS框架的真正威力，將在薇拉·魯賓天文臺全面運行后釋放。

這座位于智利帕穹山的天文臺擁有8.4米口徑的西蒙尼巡天望遠鏡，配備史上最大的數碼相機——32億像素，每晚能拍攝數千張圖像。它將以"時空遺產巡天"（LSST）項目掃描整個南天，預期發現數百萬個超變源，其中包括數以十萬計的Ia型超新星。

數據量將是空前的。傳統分析方法完全無法應對這種規模，這正是人工智能的用武之地。

AI可以快速篩選海量圖像，識別超新星候選體，估計宿主星系的性質，甚至預測哪些系統誤差可能影響距離測量。CIGaRS框架本質上是一套機器學習流程，它從模擬宇宙中學習，再將這些知識應用到真實數據。

研究團隊強調，這種方法不是要拋棄Ia型超新星作為距離指示器的地位，而是讓它們變得更精確。通過了解每顆超新星的"個性化"特征——年齡、金屬豐度、宿主星系環境——天文學家可以把系統誤差從測量中剝離出來。

這有點像校準溫度計。如果你知道某支溫度計在潮濕環境下讀數偏高，你就可以修正這個偏差。CIGaRS試圖為每顆Ia型超新星建立類似的"環境修正"。

暗能量的未來

如果CIGaRS方法成功，影響將是深遠的。

首先，它可能緩解或解釋哈勃張力。如果超新星距離測量能更精確地標準化，與宇宙微波背景結果的差異可能縮小，也可能確認這種差異真實存在——后者將指向新物理，比如早期宇宙與現在的膨脹規律不同。

其次，更精確的距離測量將改進對暗能量性質的約束。目前我們知道暗能量占宇宙總能量的約68%，推動加速膨脹，但對它究竟是什么幾乎一無所知。是愛因斯坦宇宙學常數的體現？還是某種隨時間變化的動態場？更好的數據才能分辨這些可能性。

第三，魯賓天文臺的海量數據將讓科學家研究Ia型超新星本身的多樣性。也許存在多個子類，爆炸機制略有不同；也許某些"冒牌貨"被混入了樣本。AI的模式識別能力可能發現人類分析遺漏的細微差別。

但這里需要保持謹慎。研究團隊自己指出，CIGaRS仍處于開發和驗證階段。模擬宇宙是一回事，處理真實的、嘈雜的、不完整的天文數據是另一回事。系統誤差可能以意想不到的方式顯現。

希門尼斯提到的"未知的未知"尤其值得玩味。在科學史上，重大發現往往源于測量精度的提高——但精度提高也可能暴露我們現有框架的缺陷。暗能量本身就是在嘗試減小超新星測量誤差時意外發現的。

工具與認知的循環

這個故事的深層結構，是天文觀測史上反復出現的模式：我們發明工具測量宇宙，發現工具本身有局限，然后用更聰明的方法突破局限，往往在此過程中發現意想不到的新現象。

Ia型超新星從普通天體變成標準燭光，用了幾十年；從標準燭光變成可能有細微差異的"可校準燭光"，又用了幾十年。現在AI和大數據可能開啟第三輪迭代。

薇拉·魯賓天文臺預計2025年底開始全面科學運行。屆時，CIGaRS框架將接受實戰檢驗。如果它能從海量圖像中提取出此前需要光譜才能獲得的信息，將標志著天文觀測方法的重大轉變——從"仔細研究少數天體"轉向"用統計力量駕馭海量天體"。

這種轉變不限于超新星研究。同樣的AI驅動方法可應用于變星、引力透鏡、星系團等幾乎所有宇宙距離階梯的組成部分。最終目標是建立一個自洽的、從地球附近一直延伸到可觀測宇宙邊緣的距離測量體系。

暗能量之謎能否因此破解？現在說還為時過早。但有一件事是確定的：我們對宇宙膨脹的理解，正站在一個方法論轉折點上。而推動這個轉折的，是"食人星"的爆炸、32億像素的相機，以及能從混亂數據中尋找模式的機器智能。

下一次當你讀到"宇宙加速膨脹"的新聞時，不妨多想一層：這個結論依賴于對遙遠爆炸的精確測量，而測量本身正在經歷一場靜默的革命。科學的進展往往如此——不是推翻舊知識，而是讓舊知識變得更精細、更可靠，同時也更復雜。

魯賓天文臺的第一批大規模數據將在未來幾年內釋放。屆時，天文學家會知道CIGaRS是否如預期般工作。無論結果如何，有一件事已經可以肯定：我們對標準燭光的理解，再也不會回到從前了。