在探索宇宙奧秘的征程中，暗弱天體一直是科學家們關注的焦點，因為它們蘊含著理解宇宙起源與演化的關鍵線索。然而，天光背景噪聲與望遠鏡熱輻射噪聲的疊加，給暗弱天體信號的探測帶來了巨大挑戰，成為深入探秘宇宙的一大阻礙。

為突破這一困境，清華大學自動化系戴瓊海教授、天文系蔡崢副教授、自動化系吳嘉敏副教授等科研人員組成團隊，自主研發出天文AI模型“星衍”。該模型基于計算光學原理與人工智能算法，能夠解碼空間望遠鏡產生的海量數據，并且兼容多元探測設備，有望成為通用的深空數據增強平臺。

“星等”是衡量天體亮度的等級，數值越大，天體越暗。研究結果表明，將“星衍”應用于詹姆斯·韋布空間望遠鏡時，其覆蓋波段可從可見光（約500納米）延伸至中紅外（5微米）。同時，該模型將深空探測深度提升了1個星等，探測準確度提升了1.6個星等，這相當于把空間望遠鏡的等效口徑從約6米提升到近10米的量級。

蔡崢介紹，團隊利用“星衍”取得了重大成果，生成了目前國際上探測深度最優的深空成像結果，刷新了深空探測極限并繪制出極深圖像。通過這一模型，團隊發現了超過160個宇宙早期候選星系，這些星系存在于宇宙大爆炸后2至5億年。而在此之前，國際上僅發現50余個同時期的星系。

吳嘉敏詳細闡述了“星衍”的關鍵技術——“自監督時空降噪”技術。該技術專注于對暗弱信號的提取與重建，通過對噪聲漲落與星體光度進行聯合建模，并直接利用海量觀測數據進行訓練。這一過程在增加探測深度的同時，確保了探測的準確性。

《科學》雜志的審稿人對這項研究給予了高度評價，認為其為探測宇宙提供了“強大工具”，并將對天文領域產生重要影響。目前，依托“星衍”，天文觀測中受噪聲干擾的暗弱天體能夠實現高保真重現，該技術未來有望應用于更多新一代望遠鏡，助力科學家們解碼暗能量、暗物質、宇宙起源、系外行星等重大科學問題。