Une équipe internationale dirigée par des chercheurs de l’Institut des Sciences du Cosmos de l’Université de Barcelone (ICCUB) a développé une nouvelle méthode qui pourrait améliorer considérablement notre compréhension de l’expansion de l’Univers et de la nature de l’énergie noire.
L’étude, publiée dans Nature Astronomy, présente un cadre puissant appelé CIGaRS qui permet aux scientifiques d’extraire davantage d’informations des étoiles explosives connues sous le nom de supernovae de type Ia, principalement par imagerie plutôt que par des observations spectroscopiques coûteuses. Les résultats ouvrent la voie pour tirer le meilleur parti de l’énorme quantité de données attendues de la prochaine génération de relevés astronomiques, en particulier de l’Observatoire Vera C. Rubin.
Pourquoi les supernovae sont importantes pour comprendre l’Univers
Les supernovae de type Ia sont les morts explosives d’étoiles naines blanches. Comme elles ont tendance à exploser avec presque la même luminosité intrinsèque, les astronomes les utilisent comme « chandelles standard » : en comparant leur luminosité réelle connue à leur luminosité apparente depuis la Terre, les scientifiques peuvent mesurer les distances cosmiques.
Cette technique a été essentielle pour découvrir que l’expansion de l’Univers s’accélère, un phénomène attribué à l’énergie noire, l’un des plus grands mystères de la physique moderne. Cependant, il y a un hic : toutes les supernovae de type Ia ne sont pas exactement identiques.
Le problème : les supernovae sont affectées par leur environnement
Au cours des deux dernières décennies, les astronomes ont découvert que la luminosité de ces supernovae dépend légèrement des galaxies dans lesquelles elles explosent. Par exemple, les supernovae dans les galaxies les plus massives ou les plus anciennes ont tendance à paraître légèrement différentes de celles des galaxies plus petites ou plus jeunes.
Jusqu’à présent, ces effets étaient corrigés à l’aide d’ajustements simples et approximatifs, ce qui pourrait limiter la précision avec laquelle nous pouvons mesurer les distances de ces supernovae.
Une solution unifiée : des modèles complets
La nouvelle étude aborde ce problème en modélisant tout à la fois : les explosions de supernovae, les galaxies qui les hébergent, la poussière qui atténue et rougit leur lumière, la fréquence à laquelle les supernovae se produisent au fil du temps cosmique, et même l’expansion de l’Univers lui-même.
Au lieu d’analyser chaque élément séparément, l’équipe a construit un modèle unique et cohérent qui relie tous ces éléments physiquement et statistiquement.
« Une façon puissante de modéliser l’Univers est de le simuler ab initio sur ordinateur en utilisant l’inférence bayésienne », dit Raúl Jiménez (ICREA-ICCUB), co-auteur de l’étude. « Cela permet de faire varier tous les paramètres possibles en même temps pour prédire dans quel Univers nous vivons. De plus, grâce à cette capacité, on peut examiner les éventuelles systématiques « inconnues inconnues » pour comprendre leur effet. L’impact de ces systématiques dans notre inférence est sans doute l’ingrédient manquant le plus important dans les approches actuelles de modélisation de l’Univers. »
Intelligence artificielle et cosmologie
Pour rendre cette approche ambitieuse réalisable sur le plan informatique, l’équipe a utilisé un ensemble moderne de techniques connu sous le nom d’inférence basée sur la simulation.
En termes simples, la méthode fonctionne comme suit : d’abord, les scientifiques simulent de nombreux univers possibles à l’aide de modèles physiques ; ensuite, un réseau de neurones (un type d’intelligence artificielle) apprend comment les données simulées sont liées aux paramètres physiques sous-jacents ; enfin, le système entraîné peut déduire ces paramètres directement à partir d’observations réelles.
Cela permet l’analyse de dizaines de milliers de supernovae à la fois, ce qui serait impossible avec les méthodes traditionnelles.
Un résultat clé : des distances précises sans spectroscopie
L’un des résultats les plus importants est que la méthode peut estimer les distances des galaxies (décalages vers le rouge) avec une grande précision en utilisant uniquement des images. Le décalage vers le rouge mesure combien la lumière d’une galaxie est étirée à mesure que l’Univers s’étend. Il indique à quelle distance et à quelle époque nous la voyons.
La nouvelle approche atteint une précision comparable aux mesures spectroscopiques, mais sans besoin de spectres. C’est crucial, car les futurs relevés du ciel découvriront des millions de candidats supernovae, mais seule une petite fraction peut être raisonnablement étudiée par spectroscopie.
Préparation pour l’ère de l’Observatoire Rubin
L’Observatoire Vera C. Rubin, actuellement en construction au Chili, commencera bientôt un relevé du ciel de dix ans. Il détectera un nombre sans précédent de supernovae, dont environ 99 % ne seront observées que photométriquement, c’est-à-dire via des images en différentes couleurs.
Le cadre CIGaRS est précisément conçu pour ce scénario. « Contrairement à d’autres cadres, qui nécessitent des simplifications analytiques, notre approche d’inférence basée sur la simulation de bout en bout sans compromis est particulièrement capable d’extraire toute l’information cosmologique et astrophysique des données durement acquises de l’Observatoire Rubin, tout en évitant les pièges des biais de sélection et de modélisation. », déclare Konstantin Karchev (ICCUB-SISSA Trieste), auteur principal de l’étude.
Au-delà de la cosmologie : découvrir comment les étoiles explosent
En plus d’améliorer les mesures de l’énergie noire, l’étude éclaire également comment et quand se forment les supernovae de type Ia. En reconstruisant comment les taux d’occurrence des supernovae dépendent des âges des étoiles dans les galaxies, le modèle aide à répondre à des questions de longue date sur leurs systèmes progéniteurs.
Les résultats montrent que la combinaison de la modélisation basée sur la physique avec l’intelligence artificielle peut surmonter les limites clés des analyses cosmologiques actuelles. Selon les auteurs, cette approche pourrait améliorer les contraintes cosmologiques d’un facteur allant jusqu’à quatre, par rapport aux méthodes traditionnelles qui reposent uniquement sur un petit sous-ensemble de supernovae observées spectroscopiquement.
Avec l’Observatoire Rubin qui devrait transformer l’astronomie dans les années à venir, des méthodes comme CIGaRS garantissent qu’il sera prêt à comprendre pleinement les données et l’Univers qu’elles révèlent.
Article : Combined simulation-based inference from Type Ia supernovae and host photometry – Journal : Nature Astronomy – Méthode : Experimental study – DOI : Lien vers l’étude
Source : Barcelone U.
