在探索宇宙奥秘的征程中，暗弱天体一直是科学家们关注的焦点，因为它们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热辐射噪声的叠加，给暗弱天体信号的探测带来了巨大挑战，成为深入探秘宇宙的一大阻碍。
为突破这一困境，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科研人员组成团队，自主研发出天文AI模型“星衍”。该模型基于计算光学原理与人工智能算法，能够解码空间望远镜产生的海量数据，并且兼容多元探测设备，有望成为通用的深空数据增强平台。
“星等”是衡量天体亮度的等级，数值越大，天体越暗。研究结果表明，将“星衍”应用于詹姆斯·韦布空间望远镜时，其覆盖波段可从可见光（约500纳米）延伸至中红外（5微米）。同时，该模型将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，这相当于把空间望远镜的等效口径从约6米提升到近10米的量级。
蔡峥介绍，团队利用“星衍”取得了重大成果，生成了目前国际上探测深度最优的深空成像结果，刷新了深空探测极限并绘制出极深图像。通过这一模型，团队发现了超过160个宇宙早期候选星系，这些星系存在于宇宙大爆炸后2至5亿年。而在此之前，国际上仅发现50余个同时期的星系。
吴嘉敏详细阐述了“星衍”的关键技术——“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》杂志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”，并将对天文领域产生重要影响。目前，依托“星衍”，天文观测中受噪声干扰的暗弱天体能够实现高保真重现，该技术未来有望应用于更多新一代望远镜，助力科学家们解码暗能量、暗物质、宇宙起源、系外行星等重大科学问题。
