我国科学家研发天文AI模子“星衍” 解锁暗弱天体绘制极深宇宙图景

在探索宇宙奥秘的征程中，我国科研团队取得了一项突破性成果。科学家们运用计算光学原理与人工智能算法，成功研发出天文AI模型“星衍”，为破解宇宙起源、演化以及物质能量循环等重大科学谜题提供了有力工具。相关研究成果已在线发表于国际权威学术期刊《科学》。

暗弱天体犹如宇宙中的“隐秘信使”，蕴含着理解宇宙起源与演化的关键线索。然而，天光背景噪声与望远镜自身热辐射噪声相互叠加，形成了一道难以跨越的屏障，严重干扰了对暗弱天体信号的捕捉，成为天文学研究面临的一大难题。

由清华大学自动化系戴琼海教授、天文系蔡峥副教授以及自动化系吴嘉敏副教授等组成的科研团队，经过不懈努力，自主研发出“星衍”模型。该模型具备强大的数据处理能力，能够解码空间望远镜获取的海量数据，并且兼容多种不同类型探测设备，有望成为通用的深空数据增强平台。

在天文学中，“星等”是衡量天体亮度的重要指标，星等数值越大，意味着天体越暗。研究显示，当把“星衍”应用于詹姆斯·韦布空间望远镜时，其覆盖的波段范围从可见光（约500纳米）拓展至中红外（5微米）。不仅如此，“星衍”还将该望远镜的深空探测深度提升了1个星等，探测准确度提升了1.6个星等，这相当于将空间望远镜的等效口径从约6米提升至近10米的量级。

蔡峥介绍，团队借助“星衍”取得了令人瞩目的成果。他们生成了目前国际上探测深度最优的深空成像结果，刷新了深空探测的极限，并绘制出极深图像。同时，利用“星衍”发现了超过160个宇宙早期候选星系，这些星系诞生于宇宙大爆炸后的2至5亿年，而此前国际上仅发现50余个同时期星系。

吴嘉敏详细阐述了“星衍”的核心技术——“自监督时空降噪”技术。该技术专注于对暗弱信号的提取与重建，通过对噪声涨落与星体光度进行联合建模，并直接利用海量观测数据进行训练。这一过程在增加探测深度的同时，确保了探测的准确性。

《科学》的审稿人对这项研究给予了高度评价，认为其为探测宇宙提供了“强大工具”，必将对天文领域产生重要影响。目前，依托“星衍”模型，那些在天文观测中受噪声干扰的暗弱天体得以高保真重现。该技术未来有望应用于更多新一代望远镜，为解答暗能量、暗物质、宇宙起源以及系外行星等重大科学问题提供有力支持。