在探索宇宙奥秘的征程中，我国科学家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，科研团队开发出名为“星衍”的天文AI模型，成功解锁暗弱天体信号，探测到距离地球超过130亿光年的星系，并获得了国际已知探测最深的深空影像。这一成果近日在线发表于国际权威学术期刊《科学》，引发天文领域广泛关注。
暗弱天体是理解宇宙起源与演化的关键线索，但其信号极易被天光背景噪声和望远镜热辐射噪声干扰，长期以来成为天文观测的重大挑战。传统方法难以有效分离噪声与目标信号，导致对遥远天体的探测能力受限。针对这一难题，清华大学自动化系戴琼海教授、天文系蔡峥副教授、自动化系吴嘉敏副教授等组成的团队，自主研发出“星衍”模型，为破解这一难题提供了创新方案。
“星衍”模型的核心优势在于其强大的数据处理能力。该模型可解码空间望远镜的海量观测数据，并兼容多元探测设备，有望成为通用深空数据增强平台。研究显示，将“星衍”应用于詹姆斯·韦布空间望远镜时，其覆盖波段从可见光（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，显著增强了望远镜的观测能力。
团队利用“星衍”模型取得了重要发现。通过分析深空数据，他们识别出超过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。此前，国际上仅发现50余个同时期星系，新发现将相关研究样本量提升了数倍，为研究宇宙早期演化提供了珍贵资料。研究还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，绘制出极深图像。
“星衍”模型的突破性技术在于其“自监督时空降噪”方法。该技术通过联合建模噪声涨落与星体光度，并利用海量观测数据进行训练，实现了对暗弱信号的高精度提取与重建。这一方法在增加探测深度的同时，确保了探测结果的准确性，为深空观测提供了可靠的技术支撑。
《科学》期刊审稿人高度评价这一研究，认为其“为探测宇宙提供了强大工具，将对天文领域产生重要影响”。目前，团队正进一步优化模型性能，并探索其在更多新一代望远镜中的应用潜力。随着技术不断完善，“星衍”有望为解码暗能量、暗物质、宇宙起源及系外行星等重大科学问题提供关键助力，推动人类对宇宙的认知迈向新高度。
