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，蕴藏着关于宇宙起源与演化的关键线索。然而，由于传统天文观测手段的局限性，想要捕捉到这些微弱信号并非易事。近日，清华大学自动化系与天文系携手合作，借助计算光学原理和人工智能算法，成功研发出天文AI模型“星衍”，为暗弱天体探测带来了新的突破。
清华天文系副教授蔡峥指出，传统天文观测主要依赖硬件的不断升级来提升观测能力，但目前这种方式已经陷入边际效应瓶颈。与此同时，复杂的时空异质噪声干扰，进一步加大了暗弱天体探测的难度，使得科学家们在探索宇宙深处的征程中面临重重阻碍。
“星衍”模型的出现，为解决这一难题提供了新的思路。该模型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。它直接利用海量的观测数据进行训练，在增加探测深度的同时，还能确保探测的准确性。这一创新性的技术手段，为暗弱天体探测开辟了新的途径。
在实际应用中，“星衍”模型展现出了强大的性能。团队将其应用于詹姆斯·韦布空间望远镜进行实测，结果显示，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”是天体亮度的等级划分，数值越大，意味着探测到的天体越暗。这一提升效果，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，大大增强了望远镜的观测能力。
基于“星衍”模型的出色表现，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”模型不仅具备强大的解码能力，能够处理空间望远镜产生的海量数据，还具有广泛的兼容性，可以与多元探测设备配合使用。这使得它有望成为一个通用的深空数据增强平台，为未来更多的天文研究提供有力支持。
