我国科学家用天文AI模型绘制“极致深空图”

探索遥远暗弱的天体与结构，是破解宇宙起源演化、物质能量循环等科学谜题的关键。我国科学家基于计算光学原理与人工智能算法，开发出天文AI模型“星衍”，可解锁暗弱天体信号，探测到超过130亿光年的星系，并获取目前国际已知探测最深的深空影像。该成果2月20日凌晨在线发表于《科学》。

暗弱天体蕴藏着理解宇宙起源与演化的关键信息。然而，天光背景噪声与望远镜的热辐射噪声叠加，会对暗弱天体信号形成干扰，这成为探秘宇宙的一大挑战。

图为天文AI模型星衍概念图。（受访者供图）

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带领团队，自研出星衍模型，可解码空间望远镜的海量数据，并兼容多元探测设备，有望成为通用深空数据增强平台。

“星等”是为天体亮度划分的等级，数值越大，天体越暗。研究显示，将星衍应用于詹姆斯·韦布空间望远镜，覆盖波段可从可见光（约500纳米）延伸到中红外（5微米），并将其深空探测深度提升1个星等，探测准确度提升1.6个星等——这相当于将空间望远镜等效口径从约6米提升到近10米的量级。

“我们生成了目前国际探测深度最优的深空成像结果，刷新了深空探测极限并绘制了极深图像。”蔡峥说，团队利用星衍发现了超过160个宇宙早期候选星系，这些星系存在于宇宙大爆炸后2至5亿年，而此前国际上仅发现50余个同时期星系。

图为过往研究（蓝紫星标）与星衍（橙色星标）发现的候选星系效果对比图。（受访者供图）

吴嘉敏介绍，星衍的“自监督时空降噪”技术专注于对暗弱信号的提取重建，通过对噪声涨落与星体光度的联合建模，并直接用海量观测数据训练，在增加探测深度的同时，确保了探测准确性。

《科学》审稿人评价，该研究为探测宇宙提供了“强大工具”，“将对天文领域产生重要影响”。

戴琼海表示，依托星衍，天文观测中受噪声干扰的暗弱天体得以高保真重现。该技术未来有望应用于更多新一代望远镜，为解码暗能量、暗物质、宇宙起源、系外行星等重大科学问题提供助力。