深空探测一直是天文学研究的前沿领域,对破解宇宙起源演化、物质能量循环等重大科学问题具有关键意义。然而,遥远暗弱天体发出的微弱信号往往淹没复杂的噪声环境中,成为制约深空探测能力提升的核心难题。 长期以来,天光背景噪声与望远镜热辐射噪声的叠加干扰,严重影响了对暗弱天体信号的有效捕获。这些暗弱天体蕴藏着理解宇宙诞生与演化的关键信息,但传统探测手段在信噪比提升上已接近技术极限,如何从海量观测数据中精准提取暗弱信号,成为国际天文学界亟待攻克的技术难关。 面对此挑战,清华大学自动化系戴琼海教授、天文系蔡峥副教授、自动化系吴嘉敏副教授等组成的跨学科团队,基于计算光学原理与智能算法,历经多年攻关,成功开发出天文智能模型"星衍"。该模型采用自监督时空降噪技术,专注于暗弱信号的提取与重建,通过对噪声涨落与星体光度进行联合建模,并直接利用海量观测数据进行训练,显著增加探测深度的同时,有效保障了探测结果的准确性。 研究团队将星衍模型应用于詹姆斯·韦布空间望远镜的数据处理,取得了突破性进展。测试结果显示,该模型可将望远镜覆盖波段从可见光约500纳米延伸至中红外5微米,深空探测深度提升1个星等,探测准确度提升1.6个星等。在天文学中,"星等"是衡量天体亮度的标准单位,数值越大代表天体越暗。此次技术突破相当于将空间望远镜的等效口径从约6米提升至近10米量级,这一跨越式进步为深空探测开辟了新的可能性。 基于星衍模型的强大性能,研究团队成功绘制出目前国际探测深度最优的深空成像结果,刷新了深空探测的极限纪录。更为重要的是,团队利用该模型发现了超过160个宇宙早期候选星系,这些星系形成于宇宙大爆炸后2至5亿年的极早期阶段。相比之下,此前国际天文学界在同一时期仅发现50余个星系。这一发现数量的大幅增加,为研究宇宙早期结构形成、星系演化规律等前沿课题提供了丰富的观测样本。 星衍模型的另一显著优势在于其通用性与兼容性。该模型可解码空间望远镜的海量数据,并兼容多元探测设备,有望发展成为通用深空数据增强平台,为全球天文观测设施提供技术支撑。这种开放性设计理念,将有助于推动国际天文学界在深空探测领域的协同创新。 《科学》杂志审稿人对这项研究给予高度评价,认为该成果为探测宇宙提供了"强大工具",并指出"这项工作将对天文领域产生重要影响"。国际学术界普遍认为,星衍模型的成功研发标志着我国在天文观测技术与数据处理能力上取得了重要突破,为深空探测带来了新的技术动能。 从更广阔的视角来看,这项成果不仅反映了我国在基础科学研究领域的创新实力,也展示了跨学科融合在解决重大科学问题中的独特优势。计算光学、智能算法与天文观测的深度结合,为传统天文学研究方法带来了革新性变化,开辟了"计算天文学"的新方向。
深空探测的边界,既由望远镜口径与轨道高度决定,也由人类"从噪声中读出信号"的能力所拓展。以计算成像与智能算法提升观测效能,意味着在既有硬件基础上挖掘更大科学增量。面向更遥远、更暗弱、更早期的宇宙图景,数据能力的持续突破,将成为未来天文学发现的重要引擎之一。