巴塞罗那大学宇宙科学研究所牵头的国际联合团队在《自然・天文学》刊发重磅成果，全新融合机器学习与模拟统计推断的超级分析框架 CIGaRS 问世。该算法依托 Ia 型超新星 “标准烛光” 观测数据，将暗能量关键参数约束精度提升 4 倍，仅依靠天文测光图像即可达成近似光谱观测的测距水准，为鲁宾天文台、欧几里得望远镜等下一代大型巡天项目破解海量宇宙数据瓶颈提供核心解决方案人民网。

暗能量占据宇宙总质能约 70%，是驱动宇宙加速膨胀的神秘力量，其本质、演化规律是当代宇宙物理学最大未解难题。Ia 型超新星因峰值光度稳定，成为测算宇宙距离、反演暗能量特性的核心探针。但传统数据分析手段存在显著短板：需配套高成本光谱观测，无法同步校正超新星本体、宿主星系、星际尘埃、宇宙演化等十余类干扰因素，面对新一代巡天每周 TB 级的海量图像数据，处理效率与测量误差长期难以兼顾UCL。

本次发布的 CIGaRS 超级算法框架创新打通物理建模与人工智能，构建全链路统一计算体系。研究团队将超新星物理属性、星系环境消光、红移演化、观测仪器误差等 12 项影响因子纳入一体化数学模型，采用模拟数据预训练神经网络，以模拟统计推断替代分步传统拟合，实现单张测光图像直接输出高精度宇宙距离参数，大幅削减对稀缺光谱观测资源的依赖人民网。

基于薇拉・鲁宾天文台（LSST）模拟观测数据集的大规模实测验证显示：相较于行业主流分析方案，CIGaRS 对暗能量状态方程、宇宙膨胀速率等核心参数的约束能力提升 4 倍，模型容错性显著增强，可有效降低系统误差带来的宇宙学模型误判。同等测量精度需求下，采用该算法可减少 75% 观测样本量，极大释放大型天文设备的科研产出潜力。

项目负责人表示，当前全球多台旗舰空间、地面巡天望远镜即将进入全负荷观测周期，每日产生亿级天体图像。传统算法算力消耗巨大、信息提取利用率不足三成，而 CIGaRS 轻量化推理架构可适配超算集群并行运算，兼容鲁宾巡天、欧几里得空间望远镜、罗曼望远镜三套主流观测体系的数据标准，是未来十年暗能量、暗物质研究不可或缺的基础算法工具河北省科学…。

业内专家评价，该超级算法突破了 “观测算力 – 测量精度” 的固有矛盾，有望精准区分 “恒定宇宙常数” 与 “动态演化暗能量” 两类主流理论模型，为破解持续多年的哈勃常数争议提供高精度观测支撑，推动人类距离揭开暗能量本源再迈关键一步。

下一步，国际合作团队将完成 CIGaRS 开源工具包搭建，联合全球天文台开展真实观测数据落地测试，同步优化多探针联合分析模块，融合弱引力透镜、重子声学振荡数据，构建全域高精度宇宙参数测量体系。

此次 AI 与宇宙统计学深度融合的超级算法突破，印证计算天文学是解码黑暗宇宙的核心路径。随着算法大规模落地，下一代巡天将以前所未有的精度绘制宇宙膨胀历史，彻底重塑人类对时空、引力与暗能量底层规律的认知边界。