Ilustrasi supernova tipe 1a yang meledak di luar angkasa, dianalisis oleh sistem AI untuk mengungkap data energi gelap, dengan galaksi-galaksi yang menjauh di latar belakang.
Ilustrasi supernova tipe 1a yang meledak di luar angkasa, dianalisis oleh sistem AI untuk mengungkap data energi gelap, dengan galaksi-galaksi yang menjauh di latar belakang.

Sains Oleh June

Pemahaman lebih dalam tentang energi gelap memberi konteks ringan untuk teman yang sedang mengikuti perkembangan kosmologi.

AI & bintang kanibal selidiki energi gelap Alur cerita dan fakta utama

Ilmuwan sedang mengembangkan cara baru untuk memahami energi gelap, kekuatan misterius yang mendorong alam semesta mengembang semakin cepat. Dengan memanfaatkan kecerdasan buatan dan fenomena supernova tipe 1a—yang dikenal sebagai 'bintang kanibal'—tim peneliti menciptakan metode bernama CIGaRS untuk mengukur jarak kosmik lebih akurat. Selama ini, asumsi bahwa semua supernova tipe 1a memiliki kecerahan identik ternyata bisa menyesatkan karena dipengaruhi lingkungan galaksi sekitar.

Metode CIGaRS, atau Combined Inference and Galaxy-related Standardization, menggabungkan data gambar langsung dengan simulasi berbasis AI, tanpa mengandalkan analisis spektrum cahaya yang rumit. Dikembangkan oleh Konstantin Karchev dan Raúl Jiménez, pendekatan ini memungkinkan simulasi berbagai skenario alam semesta dan penyesuaian banyak parameter sekaligus, meningkatkan presisi prediksi kosmologis.

Teknologi ini akan menjadi kunci saat Observatorium Vera C. Rubin di Cile mulai mengumpulkan data dalam skala besar lewat proyek Legacy Survey of Space and Time (LSST). Dengan jutaan data supernova yang akan diterima, AI sangat dibutuhkan untuk memprosesnya secara cepat dan bebas bias. Penelitian ini telah dipublikasikan di jurnal Nature Astronomy edisi Mei 2026.

Fakta

  • Supernova tipe 1a, atau 'bintang kanibal', digunakan sebagai lilin standar untuk mengukur jarak di alam semesta.
  • Energi gelap diperkirakan menyusun 68% komposisi alam semesta dan mendorong ekspansinya semakin cepat sejak 1998.
  • Metode baru CIGaRS dikembangkan oleh Konstantin Karchev dan Raúl Jiménez untuk mengurangi bias pengukuran supernova.
  • CIGaRS menggabungkan data gambar dan AI tanpa bergantung pada spektroskopi, meningkatkan akurasi dan efisiensi.
  • Penelitian dipublikasikan di Nature Astronomy pada Mei 2026 dan akan digunakan di Observatorium Vera C. Rubin.
  • Proyek LSST di Cile akan menghasilkan data supernova dalam jumlah besar yang membutuhkan pemrosesan berbasis AI.

Eksplainer berita visual Canto. Alat AI dapat membantu proses produksi. Kebijakan editorial