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，科学家们开发出名为“星衍”的天文AI模型，成功解锁了暗弱天体信号的探测难题。这一创新成果不仅将深空探测深度推向新高度，还为理解宇宙起源与演化提供了关键工具。
AI模型“星衍”概念图
暗弱天体作为宇宙演化的“活化石”，蕴藏着关于物质能量循环、星系形成等核心问题的线索。然而，天光背景噪声与望远镜自身热辐射的叠加效应，长期制约着人类对这类天体的观测能力。传统方法难以从嘈杂的信号中分离出微弱的天体信息，成为深空探测领域的一大瓶颈。
由清华大学自动化系与天文系联合组建的团队，通过跨学科协作攻克了这一难题。他们研发的“星衍”模型具备三大核心优势：其一，可高效处理空间望远镜产生的海量数据；其二，兼容不同类型探测设备的数据格式；其三，通过自监督时空降噪技术实现暗弱信号的精准提取。实验数据显示，该模型将詹姆斯·韦布空间望远镜的探测深度提升1个星等，探测准确度提高1.6个星等，相当于将望远镜的有效口径从6米扩展至近10米量级。
在实证研究中，“星衍”展现出惊人的观测能力。团队利用该模型处理深空数据时，发现了超过160个宇宙早期候选星系，这些天体形成于大爆炸后2至5亿年间。此前国际同类研究仅确认50余个同时期星系，新发现将人类对早期宇宙的认知范围扩展了数倍。研究团队生成的深空影像刷新了现有探测极限，其成像质量达到国际领先水平。
新旧研究成果对比图（左为传统方法，右为“星衍”模型）
技术突破的关键在于“自监督时空降噪”算法的创新应用。该技术通过建立噪声涨落与星体光度的联合模型，直接利用海量观测数据进行训练，在增强信号探测深度的同时确保数据准确性。这种无需人工标注的训练方式，使模型能够自适应不同观测环境，显著提升了数据处理效率。
国际学术界对该成果给予高度评价。《科学》杂志审稿人指出，这项研究为深空探测提供了“变革性工具”，其技术路径具有广泛推广价值。随着更多新一代望远镜投入使用，“星衍”模型有望在暗物质分布测绘、系外行星大气成分分析等领域发挥重要作用，推动天文学研究进入全新阶段。
