我国科学家研发天文AI模子“星衍” 解锁暗弱天体 索求宇宙奥妙再进一步

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。基于计算光学原理与人工智能算法，一支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领衔的团队，成功开发出天文AI模型“星衍”。该模型能够解锁暗弱天体信号，探测到超过130亿光年的遥远星系，并获取了目前国际已知探测最深的深空影像，相关成果已在线发表于权威学术期刊《科学》。

暗弱天体是理解宇宙起源与演化的关键线索，但天光背景噪声与望远镜热辐射噪声的叠加，严重干扰了对这些微弱信号的探测，成为天文学研究的一大难题。星衍模型的出现，为破解这一难题提供了新方案。它不仅能够解码空间望远镜的海量数据，还兼容多种探测设备，具备成为通用深空数据增强平台的潜力。

在技术性能上，星衍模型展现出显著优势。研究显示，当应用于詹姆斯·韦布空间望远镜时，其覆盖波段范围从可见光（约500纳米）扩展至中红外（5微米），深空探测深度提升1个星等，探测准确度提升1.6个星等。这一提升相当于将空间望远镜的等效口径从约6米扩大至近10米的量级，大幅增强了望远镜的观测能力。

凭借星衍模型的强大功能，研究团队取得了多项重要发现。他们生成了国际探测深度最优的深空成像结果，刷新了深空探测极限，并绘制出极深图像。更令人振奋的是，团队利用星衍发现了超过160个宇宙早期候选星系，这些星系形成于宇宙大爆炸后2至5亿年，而此前国际上仅发现50余个同时期星系。这一发现为研究宇宙早期演化提供了珍贵样本。

星衍模型的核心技术之一是“自监督时空降噪”技术。该技术专注于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，并利用海量观测数据进行训练，在提升探测深度的同时，确保了探测结果的准确性。这一创新为暗弱天体研究提供了可靠的技术支撑。

《科学》期刊的审稿人对这一研究给予高度评价，认为其为探测宇宙提供了“强大工具”，并将对天文学领域产生重要影响。随着星衍模型的应用，天文观测中受噪声干扰的暗弱天体得以高保真重现，未来有望在更多新一代望远镜中发挥作用，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。