问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，清华大学自动化系戴琼海院士团队联合天文系蔡峥副教授团队，推出国产AI天文观测增强大模型“星衍”。该模型破解了天文领域极低信噪比暗弱信号提取难题，可将詹姆斯·韦布空间望远镜的探测深度提升1个星等，探测准确度提升1.6个星等，目前已从韦布公开观测数据中新发现超过160个宇宙早期候选高红移星系，数量为原有发现量的3倍。
对人类来说，揭开宇宙“黎明”的面纱，始终是天文学领域最具吸引力的核心命题之一。所谓宇宙黎明，指的是大爆炸后数亿年内第一代星系形成的早期阶段，这些星系距离地球超过130亿光年，传到地球的信号已经极其暗弱，始终淹没在背景噪声中。即便强如詹姆斯·韦布空间望远镜，也难以将这些暗弱信号从噪声中完整分离出来。
一直以来，天文学观测的核心限制之一，就是对暗弱信号的探测能力。越早期的星系距离越远，单位面积接收到的光子数量越少，信号信噪比极低，传统信号处理方法要么会过滤掉真实信号，要么无法有效压制噪声，导致大量潜在的早期星系一直“藏”在已观测数据里不被发现。此前韦布望远镜发布的深度巡天数据中，同区域仅发现了约50个候选高红移星系，就是受限于这一瓶颈。
此次由清华跨学科团队打造的“星衍”大模型，核心突破在于实现了极低信噪比下的高保真光子重构，能够在保留真实暗弱星系信号的同时，有效剥离背景噪声，从根本上提升了观测数据的有效深度。
实验数据显示，“星衍”给韦布望远镜带来的提升远超预期：探测深度直接提升1个星等，探测准确度更是提升1.6个星等。在天文学标尺中，每相差1个星等，天体亮度差可达2.5倍，这意味着“星衍”让韦布能捕捉到原本暗2.5倍、远上亿光年的天体信号。凭借这一能力，团队在处理韦布深度观测数据时，一次性新发现了超过160个宇宙早期候选高红移星系，总量达到此前发现量的3倍，为后续研究宇宙早期演化提供了远超以往的样本量。
不同于研发新的空间望远镜需要投入数百亿美元、等待数年甚至十余年的发射周期，“星衍”这类AI增强模型的优势在于，不需要新增硬件投入，仅通过算法升级就能挖掘出已有观测设备的潜力，成本和时间投入都大幅降低。
目前团队已经披露，下一步计划将“星衍”的技术框架适配到更多天文观测设备，包括中国未来的空间巡天项目，帮助天文学家发现更多早期天体。这种跨学科的AI+基础科研模式，也为其他需要处理海量弱信号的基础研究领域，提供了可复制的创新路径。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号