Per misurare l’universo non basta guardare lontano. Bisogna anche capire con estrema precisione che cosa stiamo guardando. È questo il punto di partenza di un nuovo studio pubblicato su Nature Astronomy, nel quale un team guidato da Konstantin Karchev, Roberto Trotta e Raúl Jiménez presenta CIGaRS, un metodo pensato per estrarre più informazioni dalle supernove di tipo Ia e dalle galassie che le ospitano. L’obiettivo è ambizioso: migliorare la misura dell’espansione cosmica e, di conseguenza, restringere il campo sulle proprietà dell’energia oscura, la misteriosa componente associata all’accelerazione dell’universo.
Le supernove di tipo Ia sono tra gli strumenti più preziosi della cosmologia moderna. Si tratta di esplosioni stellari estremamente luminose, legate alla morte di nane bianche, che gli astronomi usano come “candele standardizzabili”. In termini semplici: se si conosce, o si riesce a stimare con precisione, la loro luminosità reale, allora confrontandola con quella apparente osservata dalla Terra si può ricavare la distanza. Proprio grazie a queste supernove, alla fine del Novecento, si è scoperto che l’espansione dell’universo non sta rallentando, come ci si sarebbe potuti aspettare per effetto della gravità, ma sta accelerando.
Il problema è che queste “candele” non sono perfette. Le supernove di tipo Ia non esplodono sempre nello stesso modo e la loro luminosità osservata può dipendere dall’ambiente in cui si trovano. La galassia ospite, la quantità di polvere interstellare, l’età delle stelle circostanti, la composizione chimica del sistema e altri fattori possono modificare il segnale che arriva fino a noi. Negli ultimi anni gli astronomi hanno cercato di correggere questi effetti con aggiustamenti empirici, come il cosiddetto “mass step”, una correzione legata alla massa della galassia ospite. Ma questi strumenti, pur utili, rischiano di diventare troppo semplici per la precisione richiesta dalla cosmologia del futuro.
CIGaRS nasce proprio per superare questo limite. Invece di trattare separatamente la supernova, la galassia, la polvere, la storia stellare e la cosmologia, il nuovo metodo costruisce un modello unico, fisico e statistico, capace di collegare tutti questi elementi. Il framework combina inferenza bayesiana, simulazioni e reti neurali: in pratica vengono generati molti universi possibili, con diverse combinazioni di parametri, e un sistema di apprendimento automatico impara a riconoscere quali configurazioni producono osservazioni simili a quelle reali.
La novità più importante è che il metodo punta a lavorare soprattutto con dati fotometrici, cioè immagini ottenute in diversi colori, senza dipendere necessariamente dalla spettroscopia. La spettroscopia rimane uno strumento ricchissimo, perché permette di scomporre la luce e leggere molti dettagli fisici dell’oggetto osservato. Ma è anche costosa in termini di tempo osservativo. Nei prossimi anni, con grandi survey come quella dell’Osservatorio Vera C. Rubin, gli astronomi si troveranno davanti a enormi quantità di supernove candidate: molte potranno essere fotografate, ma solo una piccola parte potrà essere studiata spettroscopicamente.
È qui che CIGaRS potrebbe fare la differenza. Secondo lo studio, il metodo riesce a stimare i redshift fotometrici delle galassie ospiti con una precisione molto elevata, con una dispersione mediana inferiore a 0,01 nelle simulazioni. Il redshift è lo “stiramento” della luce dovuto all’espansione dell’universo: più una galassia è lontana, più la sua luce viene spostata verso il rosso. Misurarlo bene significa ricostruire meglio le distanze cosmiche e quindi la storia dell’espansione dell’universo.
Il paper mostra anche che le dipendenze intrinseche della luminosità delle supernove da età e metallicità possono lasciare firme osservabili diverse. In particolare, la metallicità, cioè l’abbondanza di elementi più pesanti dell’elio, può imitare il noto salto di luminosità associato alla massa della galassia ospite intorno a circa 10 miliardi di masse solari. Questo è un punto importante, perché suggerisce che alcune correzioni usate finora potrebbero essere la manifestazione semplificata di fenomeni fisici più profondi.
Il risultato non riguarda solo l’energia oscura. Un modello capace di collegare supernove e galassie ospiti può aiutare anche a capire meglio come nascono le supernove di tipo Ia, quanto tempo passa tra la formazione delle stelle progenitrici e l’esplosione, e quali popolazioni stellari contribuiscono di più a questi eventi. In questo senso, CIGaRS non è soltanto uno strumento cosmologico, ma anche un modo per studiare l’evoluzione stellare e galattica su scala cosmica.
La prospettiva più interessante è legata alla prossima generazione di osservazioni. Il Vera C. Rubin Observatory, in Cile, condurrà una survey decennale del cielo e produrrà un flusso di dati senza precedenti. La maggior parte delle supernove sarà osservata solo attraverso immagini, non con spettri dettagliati. Per questo servono metodi capaci di trasformare la fotometria in informazione cosmologica affidabile, evitando bias di selezione e semplificazioni eccessive. Secondo gli autori, un approccio di questo tipo potrebbe migliorare fino a un fattore quattro i vincoli cosmologici rispetto ai metodi tradizionali basati su campioni più piccoli e spettroscopicamente selezionati.
In fondo, la sfida è imparare a leggere l’universo non da pochi oggetti osservati in grande dettaglio, ma da milioni di segnali più incompleti, rumorosi e complessi. CIGaRS propone una strada: non semplificare il cielo per adattarlo ai vecchi strumenti, ma costruire strumenti nuovi capaci di accogliere tutta la complessità dei dati. Se funzionerà anche sulle osservazioni reali come promette nelle simulazioni, questo metodo potrebbe diventare una delle chiavi per capire meglio non solo quanto velocemente si espande l’universo, ma anche perché questa espansione sta accelerando.
Stefano Camilloni
