Le supernovae aiutano gli astronomi a misurare come l’Universo si espande nel tempo, ma leggere correttamente questo segnale non è semplice: la luce che arriva a noi è influenzata da molteplici fattori che rendono misure precise molto difficili. In un nuovo studio pubblicato su Nature Astronomy, Konstantin Karchev e Roberto Trotta della SISSA insieme a Raúl Jiménez dell’Università di Barcellona introducono CIGaRS (Combined inference and galaxy-related standardisation), un metodo basato sull’intelligenza artificiale e le reti neurali per separare gli effetti intrinseci sulla luminosità di queste esplosioni stellari da quelli ambientali, come polvere interstellare e l’espansione dell’universo, permettendo di estrarre molte più informazioni senza bisogno di dati aggiuntivi, come le analisi dello spettro.
Le supernovae di tipo Ia sono tra gli eventi più preziosi per la cosmologia perché possono funzionare come indicatori di distanza: osservando quanto appaiono luminose, gli astronomi possono usarle come “candele standardizzabili” per misurare distanze cosmiche e ricostruire la storia dell’espansione dell’Universo. La loro luminosità osservata, però, dipende non solo dalla fisica dell’esplosione, ma anche da fattori legati alla stella da cui sono generate, come età e composizione chimica, oltre che dalla polvere e, più in generale, dalle proprietà della galassia in cui si trovano avviene. Informazioni di questo tipo possono essere studiate in modo particolarmente dettagliato con la spettroscopia, che non misura solo quanta luce arriva, ma anche come è distribuita alle diverse lunghezze d’onda. Tuttavia, ottenere spettri dettagliati per grandi campioni di supernovae è molto più difficile che raccogliere solo la loro luminosità.
CIGaRS affronta il problema in modo innovativo. Riunisce in un solo modello l’evoluzione delle galassie, gli effetti della polvere, il ritmo con cui le supernovae di tipo Ia compaiono nel tempo e le proprietà osservabili delle esplosioni – cosa mia fatta prima. In questo modo riesce a interpretare insieme tutti i fattori che influenzano la luce che si osserva, invece di correggere separatamente con passaggi successivi. Questo permette di ricostruire e sfruttare molta più informazione partendo dai soli dati fotometrici.
Questo approccio sarà essenziale nei prossimi dieci anni: sono infatti iniziati da poco grandi rilevamenti fotometrici, come il Legacy Survey of Space and Time del Vera Rubin Observatory in Cile, da cui ci si aspetta la scoperta di milioni di nuove supernovae di cui almeno centomila all’anno di tipo Ia.
Leggi il comunicato stampa completo: