在人类探索宇宙的征程中，观测技术的每一次突破都如同打开一扇新的大门。近日，清华大学科研团队在天文观测领域取得重大进展，其研发的AI天文观测增强模型“星衍”，成功突破了传统观测手段的深度极限，为揭示宇宙早期奥秘提供了全新工具。
传统天文观测长期面临一个核心挑战：极微弱的天体信号极易被背景噪声淹没。即便是被誉为“人类望远镜巅峰之作”的詹姆斯·韦布空间望远镜，在探测宇宙诞生初期（大爆炸后2亿至5亿年）的暗弱天体时，仍会受到天光背景和仪器热噪声的严重干扰。清华大学自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”模型，通过创新性的算法设计，实现了对低信噪比信号的高保真重构。
实验数据显示，该模型将韦布望远镜的探测深度提升了1个星等，探测准确度提高1.6个星等。这一技术突破直接转化为科学发现：研究团队在韦布望远镜的观测数据中，一次性识别出160余个宇宙早期高红移星系候选体，数量是此前同类发现的3倍。这些诞生于“宇宙黎明”时期的天体，如同宇宙婴儿期的珍贵“化石”，为研究星系形成与演化提供了关键样本。
“星衍”模型的核心创新在于其独特的数据处理方式。传统观测方法将深空图像视为二维平面，而该模型通过构建时空交织的三维数据体，结合光度自适应筛选技术，能够精准区分噪声与真实信号。这种处理方式不仅提升了信号还原的保真度，更重新定义了深空探测的能力边界——就像在浓雾中突然获得了透视能力，原本模糊的天体轮廓变得清晰可辨。
这项突破性成果已发表于国际权威学术期刊《科学》。研究团队表示，该技术不仅适用于韦布望远镜数据，未来还可推广至其他大型光学望远镜和射电望远镜的观测数据处理。随着“星衍”模型的进一步优化，人类有望探测到更多宇宙诞生初期的微弱信号，逐步拼凑出宇宙演化的完整图景。
