在探索宇宙奧秘的征程中，我國科研團隊取得了一項突破性成果?；谟嬎愎鈱W原理與人工智能算法，科學家們開發出名為“星衍”的天文AI模型，成功解鎖了暗弱天體信號的探測難題。這一創新成果不僅將深空探測深度推向新高度，還為理解宇宙起源與演化提供了關鍵工具。

AI模型“星衍”概念圖

暗弱天體作為宇宙演化的“活化石”，蘊藏著關于物質能量循環、星系形成等核心問題的線索。然而，天光背景噪聲與望遠鏡自身熱輻射的疊加效應，長期制約著人類對這類天體的觀測能力。傳統方法難以從嘈雜的信號中分離出微弱的天體信息，成為深空探測領域的一大瓶頸。

由清華大學自動化系與天文系聯合組建的團隊，通過跨學科協作攻克了這一難題。他們研發的“星衍”模型具備三大核心優勢：其一，可高效處理空間望遠鏡產生的海量數據；其二，兼容不同類型探測設備的數據格式；其三，通過自監督時空降噪技術實現暗弱信號的精準提取。實驗數據顯示，該模型將詹姆斯·韋布空間望遠鏡的探測深度提升1個星等，探測準確度提高1.6個星等，相當于將望遠鏡的有效口徑從6米擴展至近10米量級。

在實證研究中，“星衍”展現出驚人的觀測能力。團隊利用該模型處理深空數據時，發現了超過160個宇宙早期候選星系，這些天體形成于大爆炸后2至5億年間。此前國際同類研究僅確認50余個同時期星系，新發現將人類對早期宇宙的認知范圍擴展了數倍。研究團隊生成的深空影像刷新了現有探測極限，其成像質量達到國際領先水平。

新舊研究成果對比圖（左為傳統方法，右為“星衍”模型）

技術突破的關鍵在于“自監督時空降噪”算法的創新應用。該技術通過建立噪聲漲落與星體光度的聯合模型，直接利用海量觀測數據進行訓練，在增強信號探測深度的同時確保數據準確性。這種無需人工標注的訓練方式，使模型能夠自適應不同觀測環境，顯著提升了數據處理效率。

國際學術界對該成果給予高度評價?！犊茖W》雜志審稿人指出，這項研究為深空探測提供了“變革性工具”，其技術路徑具有廣泛推廣價值。隨著更多新一代望遠鏡投入使用，“星衍”模型有望在暗物質分布測繪、系外行星大氣成分分析等領域發揮重要作用，推動天文學研究進入全新階段。