一项来自清华大学的突破性研究正在悄然改变人类观察宇宙的方式。这个月，该校自动化系和天文系的联合团队在国际顶级学术期刊《科学》发表了一项重要成果，他们研发的AI模型"星衍"（ASTERIS）突破了传统天文观测的物理极限，将詹姆斯·韦伯空间望远镜的探测能力提升到前所未有的高度。

　　这不是简单的硬件升级或拍摄技术的改进，而是一场根本性的思维转变。长期以来，天文学家们依赖于不断增大望远镜口径、改进传感器性能来加深对宇宙的认识。

　　但这条路已经走到了尽头。

　　传统方法受到边际效应的困扰，要想取得突破性进展需要投入成倍增长的资源和成本。更棘手的问题是，深空中极其暗弱的天体被时空异质噪声层层包裹，即使再高精的仪器也很难将信号清晰地分离出来。清华团队的解决方案别出心裁：他们不再对抗噪声，而是与之共存。

　　AI模型“星衍”概念图

　　星衍模型的核心创新在于一个叫做"光度自适应筛选机制"的技术。简单来说，这套机制改变了人类对噪声的理解方式。

　　以往的方法将背景噪声视为纯粹的随机干扰，单纯地想办法消除它。星衍却采用了更聪慧的策略：对噪声的涨落与天体光度进行联合建模，让AI同时学习噪声特征和天体信号的关系。这样一来，模型就能更准确地区分哪些像素属于真实的天体，哪些只是噪声的虚假信号。

　　为了进一步增强效果，研究团队设计了"分时中位、全时平均"的优化策略。这个看似拗口的表述实际上描述了一个优雅的数据处理流程：对瞬时的、只出现一两次的干扰进行抑制，同时对持续出现的微弱信号进行增强。

　　宇宙射线穿过望远镜时会产生瞬态干扰，这些干扰往往只在某一时刻出现。通过分时中位数的处理，这些一闪而过的假信号就被识别和消除了。而真正的天体光子，因为在多次观测中不断重复，就能通过全时平均被逐步放大。

　　研究团队主要成员合影

　　实验结果令人瞩目。星衍将韦伯望远镜的探测深度提升了1个星等，这听起来不大，但在天文学中意味着光子收集效率提升了近一个数量级。更直观的表述是：原本6.4米的有效观测口径，现在相当于近10米的望远镜。该模型已经发现了160多个距今宇宙大爆炸仅2至5亿年的高红移候选星系，这个数量是以往研究的3倍。

　　星衍增强前后的韦伯空间望远镜近红外观测数据对比

　　星衍的另一个亮点是其强大的泛化能力。许多AI模型都面临一个瓶颈：它们往往在特定条件下训练，换一个望远镜或观测波段就不好用了。

　　这个模型采用了"自监督"的训练方式，无需人工标注海量观测数据，就能直接从现实观测中学习。这意味着它可以轻松适配空间望远镜和地面观测设备，处理不同波段的观测数据。目前，星衍已经成功应用于多个天文观测项目，这种广泛的适用性使其成为了一个真正意义上的通用工具。

　　这项研究标志着天文观测从纯硬件驱动向智能增益转型。人类对宇宙的认识不再单纯依赖花钱造更大的设备，而是通过人工智能的力量，从已有的观测数据中榨取更多的科学价值。

　　未来，类似的AI增强技术必然会渗透到更多观测领域。宇宙学、系外行星探测、引力波检测等前沿科学问题的研究，都将从这类智能工具中获益。清华团队的星衍，正在为人类探索宇宙起源、揭开宇宙黎明时代星系起源的秘密铺设一条通途。