清华大学自动化系与天文系联合研究团队近日在天文观测领域实现重大突破，相关成果已发表于国际顶级期刊《科学》杂志。该团队自主研发的时空自监督计算成像模型“星衍”，成功突破传统天文观测的深度极限，首次绘制出人类迄今最清晰的极致深空星系图像，为探索宇宙起源提供了全新视角。
宇宙中暗弱天体的观测长期面临两大挑战：一是天光背景与望远镜热辐射产生的噪声干扰，二是硬件设备的光子收集能力限制。尤其在探测宇宙黎明时期（大爆炸后2至5亿年）的微弱星光时，现有技术难以从噪声中提取有效信号。研究团队通过创新算法设计，攻克了这一世界性难题。
“星衍”模型的核心突破在于其独创的光度自适应筛选机制。该机制通过联合建模噪声涨落与星体光度特征，结合“分时中位-全时平均”的优化策略，在剔除干扰信号的同时，将暗弱天体的信噪比提升至传统方法的3倍以上。这一技术突破使得极低信噪比条件下的高保真光子重构成为可能，相当于将望远镜的等效口径从6.4米提升至近10米量级。
研究团队将“星衍”应用于詹姆斯·韦伯空间望远镜的观测数据后，实现了探测深度提升1个星等、定位准确度提升1.6个星等的显著进步。通过对130亿光年外天体的分析，团队新发现160余个高红移候选星系，数量是此前同类研究的3倍。这些发现为重构宇宙早期演化图景提供了关键数据，特别是对暗物质分布与星系形成机制的研究具有重要价值。
该模型的另一重大创新在于其跨平台泛化能力。通过无监督学习框架，“星衍”可自动适配不同望远镜的观测参数，覆盖从可见光到中红外的全波段探测需求。这种“即插即用”的特性使其既能应用于空间望远镜，也可兼容地面观测设备，大幅降低了天文大数据处理的成本与门槛。
这项跨学科成果标志着天文观测从硬件依赖向智能增益的范式转变。通过将计算成像技术与天体物理学深度融合，研究团队开辟了探索暗能量、暗物质等宇宙未解之谜的新路径。目前，该模型已向全球天文研究者开放，其开源代码与数据集正在推动国际合作观测项目的开展。
