把最新的科技手段用在天文观测上，清华大学自动化系和天文系合作，利用计算光学原理和AI算法开发出了一个叫“星衍”的天文模型，这个模型能够把传统观测方式突破极限。这个“星衍”把空间望远镜詹姆斯·韦布的观测深度提升了1个星等，准确度提升了1.6个星等，相当于给望远镜加了一个能探测到暗弱天体的“眼睛”。它直接用海量数据训练，让暗弱天体的信号也能被清晰地显现出来。清华天文系的蔡峥教授给我们解释说，“星等”是用来衡量天体亮度的等级，数值越大，说明探测到的天体越暗。 有了“星衍”，团队用詹姆斯·韦布望远镜发现了160多个早期候选星系。这些星系形成于宇宙大爆炸后2亿到5亿年之间，数量是以前研究的三倍。他们还把这个技术应用到其他探测设备上，“星衍”可以解码各种设备的数据，成为一个通用的数据增强平台。“星衍”之所以能达到这样的效果，是因为它用自监督时空降噪技术专注于提取和重建暗弱信号，不仅增加了探测深度，还确保了准确性。传统的天文观测主要依赖硬件升级，现在硬件升级的边际效应已经很小了。而且复杂的时空异质噪声干扰也让暗弱天体很难被发现。 “星衍”概念图里展现了无数蕴藏着理解宇宙起源与演化信息的暗弱天体。团队绘制出了目前能探测到的“最深”深空星系图像。他们还把“星等”的提升转化为口径的扩展——相当于把空间望远镜等效口径从约6米提升到近10米的量级。这些发现为探索宇宙黎明时代的星系起源提供了全新关键数据。这个AI模型不仅解码海量数据能力强，还兼容多元探测设备。 蔡峥教授还提到，“‘星衍’利用自监督时空降噪技术专注于提取和重建暗弱信号”。这次突破让人们对AI在天文学领域的应用有了更多期待。“星衍”就像给我们打开了一扇通往更深处宇宙的窗户。