维拉-鲁宾天文台（Vera C. Rubin Observatory）将在未来十年里探测数百万颗爆炸恒星--Ia型超新星--从而彻底改变我们对宇宙的认识。这些耀眼的爆炸就像宇宙的标尺，帮助科学家测量宇宙的膨胀，并完善我们对暗能量--推动宇宙膨胀的神秘力量的把握。
这幅插图描绘了美国国家科学基金会-地球观测所（NSF-DOE）维拉-鲁宾天文台（Vera C. Rubin Observatory）捕捉超新星（即大质量恒星爆炸性死亡）发出的光。 这些宇宙信标对于研究宇宙膨胀非常重要。 Ia型超新星尤其是测量宇宙距离的"标准烛光"。 鲁宾天文台的 Legacy Survey of Space and Time（LSST）将通过观测天空中广阔区域的数千颗超新星，提供迄今为止最大的 Ia 型超新星样本，帮助科学家完善宇宙膨胀率，并深入了解驱动宇宙加速的神秘"暗能量"。 资料来源：RubinObs/NOIRLab/SLAC/NSF/DOE/AURA/P. 马伦菲尔德
通过夜空勘测，鲁宾将提供前所未有的大量数据，这就需要最先进的机器学习工具来实时处理和分析这些天体事件。 所获得的洞察力可能会改写我们对宇宙的形成、演化和最终命运的认识。
维拉-鲁宾天文台（Vera C. Rubin Observatory）即将见证数百万颗恒星在太空中爆炸。 这些垂死的恒星被称为Ia型超新星，它们有助于科学家测量宇宙距离，研究暗能量是如何影响宇宙膨胀的。 在为期 10 年的"时空遗产巡天"（LSST）中，鲁宾可以改变我们对宇宙形成的时间和方式的理解。
在太空中测量距离远比在地球上更具挑战性。 一颗恒星可能看起来更亮，但它实际上更近，还是只是发出的光更多呢？ 要精确测量宇宙距离，科学家需要依靠已知亮度的天体，比如 Ia 型超新星。
超新星：宇宙的测量尺
白矮星的暴死导致了壮观的爆炸，它们是有史以来夜空中最明亮的记录之一，为科学家提供了可靠的宇宙标尺。 它们的亮度和颜色，再加上它们所在星系的信息，让科学家们能够计算出它们的距离，以及当它们的光到达我们身边时宇宙膨胀了多少。 只要观测到足够多的 Ia 型超新星，科学家就能测量出宇宙的膨胀率，以及它是否会随着时间的推移而发生变化。
尽管迄今为止我们已经捕捉到了成千上万的 Ia 型超新星，但只看到一两次是远远不够的--它们转瞬即逝的光芒是如何随时间变化的，这蕴含着巨大的信息量。 NSF-DOE 维拉-鲁宾天文台（Vera C. Rubin Observatory）即将开始在十年内每晚扫描南半球天空，大约每隔几个晚上就会覆盖整个南半球。 每当鲁宾天文台探测到一个物体的亮度或位置发生变化，它就会向科学界发出警报。 有了如此快速的探测，鲁宾将成为我们在 Ia 型超新星消逝前发现它们的最强大工具。
鲁宾天文台由美国国家科学基金会和美国能源部科学办公室共同资助。 鲁宾天文台是美国国家科学基金会NOIRLab和能源部SLAC国家加速器实验室的联合项目，它们将合作运行鲁宾天文台。
暗能量和宇宙膨胀
鲁宾/LSST暗能量科学合作组织成员阿奈丝-莫勒（Anais Möller）等科学家期待着鲁宾长达十年的时空遗产巡天（LSST），在此期间，它有望探测到数百万个Ia型超新星。Möller说："来自鲁宾的大量数据将为我们提供在不同距离和不同类型星系中的各种Ia型超新星样本。"
事实上，在LSST运行的头几个月里，Rubin将发现比最初发现暗能量时更多的Ia型超新星。 目前的测量提示，暗能量可能会随着时间的推移而变化，如果得到证实，这将有助于完善我们对宇宙年龄和演化的理解。 这反过来又会影响我们对宇宙形成过程的理解，包括恒星和星系在宇宙早期形成的速度。
完善我们的宇宙地图
有了宇宙中更多的Ia型超新星，科学家们将能够完善我们现有的时空地图，更全面地了解暗能量的影响。"宇宙膨胀就像橡皮筋被拉伸。 如果暗能量不是恒定的，那就好比橡皮筋在不同点被拉伸的程度不同，"莫勒说。"我认为，在未来十年里，我们将能够确定暗能量是恒定的，还是随着宇宙时间不断演变的。 鲁宾将使我们能够通过 Ia 型超新星来实现这一目标。"
每天晚上，鲁宾天文台都会产生大约 20 TB 的数据，并生成多达 1000 万个警报--历史上还没有其他望远镜能像它一样产生如此巨大的数据流量。 这就要求科学家们重新思考管理快速警报的方式，并开发处理大量数据集的方法和系统。
打造天文学的未来
鲁宾每晚发出的大量警报将通过七个社区软件系统进行管理并提供给科学家，这些系统将接收并处理这些警报，然后将其提供给世界各地的科学家。 莫勒和一大批跨专业的科学家正在开发其中一个名为"Fink"的系统。
这些软件系统每晚收集来自鲁宾的警报，将鲁宾数据与其他数据集合并，并利用机器学习，按照千新星、变星或Ia型超新星等类型对它们进行分类。 使用鲁宾的社区系统（如芬克系统）的科学家将能够根据选定的过滤器对海量警报数据集进行分类，从而快速找到对其研究有用的数据。
莫勒说："由于数据量巨大，我们无法用以前的方式进行科学研究。鲁宾是一代人的转变。 我们的责任是开发下一代人将使用的方法。"
编译自/ScitechDaily