在探索宇宙奥秘的征程中，暗弱天体始终是科学家们关注的焦点，它们犹如宇宙深处的神秘密码，蕴藏着理解宇宙起源与演化的关键线索。然而，传统天文观测方式在面对暗弱天体时，却遭遇了诸多难题。近日，清华大学自动化系与天文系携手合作，运用计算光学原理和人工智能算法，成功开发出天文AI模型“星衍”，为天文观测带来了新的突破。
清华天文系副教授蔡峥指出，传统天文观测高度依赖硬件设备的升级，但如今已陷入边际效应瓶颈。同时，复杂的时空异质噪声干扰，进一步加大了暗弱天体的探测难度。在这样的背景下，“星衍”模型应运而生，它采用自监督时空降噪技术，能够专注于提取和重建暗弱信号。该模型直接利用海量观测数据进行训练，在提升探测深度的同时，有效确保了探测的准确性。
实测数据充分证明了“星衍”模型的卓越性能。当团队将其应用于詹姆斯·韦布空间望远镜时，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。蔡峥解释道，“星等”是用于划分天体亮度的等级，数值越大，意味着探测到的天体越暗。这一提升相当于将空间望远镜的等效口径从约6米提升到近10米的量级，极大地增强了望远镜的观测能力。
基于“星衍”模型的强大功能，研究团队取得了丰硕的成果。他们发现了160余个宇宙大爆炸后2亿至5亿年的早期候选星系，数量是过往研究的3倍。团队还绘制出了迄今为止最深邃的深空星系图像，这些图像为探索宇宙黎明时代的星系起源提供了全新的关键数据，有助于科学家们更深入地了解宇宙早期的演化过程。
值得一提的是，“星衍”模型具有广泛的适用性。它不仅可以对空间望远镜的海量数据进行解码，还能兼容多元探测设备，有望成为通用的深空数据增强平台，为未来的天文研究提供更强大的技术支持。
