天文学上最暗弱的深空星系图像已经成功绘制完成。2月23日，记者邓晖在《科学》期刊上报道了这一消息。清华大学自动化系成像与智能技术实验室戴琼海院士带领的团队和天文系蔡峥副教授带领的团队，经过多学科交叉研究，提出了一种AI天文观测增强模型，命名为“星衍”（ASTERIS）。这个模型突破了天文观测深度的极限，把詹姆斯·韦伯空间望远镜的探测深度提升了1个星等，成功找到了160个极暗弱的高红移候选天体，这个数量是之前研究的3倍。戴琼海院士、蔡峥副教授以及他们的团队让这一过程更加智能化，用AI技术给詹姆斯·韦伯空间望远镜注入了新的活力。 “星衍”（ASTERIS）将詹姆斯·韦伯空间望远镜收集到的数据进行了精细处理。通过多维解译海量观测数据，这个模型把深空图像重构为时空光交织的三维体。这种处理方式像在一块璞玉中雕琢出隐藏的纹路一样。为了给最遥远、最暗弱的天体绘制清晰图像，“星衍”采用了独特的光度自适应筛选机制。这个机制引导模型专注于对暗弱信号的提取与重建。即使是极其微弱的信号，“星衍”也能直接利用带有真实噪声的海量真实数据进行训练。 团队成员表示，“星衍”的成功不仅在于提升了探测深度，还在于确保了探测的准确性。模型采用了“分时中位，全时平均”联合优化策略。这种双重机制显著提升了探测暗弱信号的能力，也降低了虚假信号的产生概率。在詹姆斯·韦伯空间望远镜的观测数据上，“星衍”展现了惊人效果：把探测暗弱天体的完备度提升了整整1个星等，准确度也提升了1.6个星等。这相当于将望远镜的光子收集效率提升了近一个数量级。 这一突破为研究极端暗弱天体打开了新窗口。研究团队在詹姆斯·韦伯空间望远镜深度观测数据中发现了超过160个宇宙早期候选高红移星系，这个数量是先前发现的3倍。这些星系存在于宇宙大爆炸后仅2至5亿年的“宇宙黎明”时代，它们的发现使人类能够绘制出目前最深邃、暗弱的早期星系光度函数。 通过这一技术发现的早期星系让我们可以更好地理解宇宙第一缕曙光的诞生过程。“星衍”（ASTERIS）还能跨越不同观测平台和探测波段。目前，“星衍”已经成功应用于詹姆斯·韦伯空间望远镜和昴星团地面望远镜等设备上。它不仅能解码空间望远镜的尖端数据，还能兼容多元探测设备，成为通用的深空数据增强平台。“星衍”（ASTERIS）就像是给人类探寻宇宙的“巨眼”植入了一个AI大脑。 过去人们为了追求这些极暗弱天体不断增大望远镜镜面尺寸、提升传感器工艺性能，还将最强大的观测仪器发射到太空中去。但随着投入增加和时间周期增长，传统物理维度硬件堆砌模式遇到了增长瓶颈。明亮天光背景噪声和望远镜自身热辐射噪声叠加形成一片“乌云”，遮挡住了暗淡星光。 多年来团队一直专注于解决观测天文学核心物理挑战问题。通过计算光学原理与人工智能算法深度耦合实现海量观测数据多维解译技术沉淀最终孕育出“星衍”（ASTERIS）。尽管传统方法在面对极暗弱信号时力有不逮，但“星衍”（ASTERIS）解决了这些问题。 这套基于天文科学AI评价方法摒弃单纯视觉效果提升指标衡量性能方式以探测能力形态保真光度保持等为核心评价指标以科学需求引导“星衍”架构设计方式确保科学数据准确性更可靠。 这套评价方法成功地让人们能够对极端暗弱天体进行更加深入地探索而不影响准确性这就意味着人们能够进一步了解宇宙起源与演化过程更好理解人类生活在其中这个世界奥秘所在。