在探索宇宙奥秘的征程中，暗弱天体的观测始终是困扰科学界的重大难题。由于天光背景噪声和仪器热辐射的双重干扰，传统望远镜难以捕捉百亿光年外星系的微弱信号。这个技术瓶颈严重制约着人类对宇宙早期结构、暗物质分布等核心问题的研究进展。 针对这一世界性挑战，清华大学跨学科团队经过多年攻关，创新性地提出"自监督时空降噪"技术体系。该技术通过建立噪声涨落与星体光度的联合数学模型，直接利用海量观测数据进行深度学习训练，实现了对原始信号的高精度重构。实验数据显示，应用该技术后，詹姆斯·韦布空间望远镜的探测深度提升1个星等，相当于将等效口径从6米扩展至10米量级。 这项突破性技术的实际价值已得到充分验证。研究团队不仅绘制出当前国际最深空的宇宙图像，更发现了160余个存在于宇宙大爆炸后2至5亿年的候选星系。这一发现数量达到国际同类研究的三倍以上，为揭示第一代恒星形成机制提供了宝贵样本。《科学》期刊审稿人高度评价称，该成果"重新定义了深空探测的技术标准"。 有一点是，新技术表现出突出的兼容性与扩展性。其算法框架可适配不同波段的光学设备，从地基望远镜到空间观测平台均可应用。据项目负责人介绍，该技术未来还将服务于暗能量测绘、系外行星搜寻等重大科研项目。业内专家指出，随着中国巡天空间望远镜等新一代观测设备的陆续投入使用，这一技术有望催生更多突破性发现。
深空观测的发展既需要硬件进步，也离不开数据处理方法的创新。"星衍"技术通过更精确的噪声建模和信号重建，为观测宇宙早期提供了新工具。未来，在科学验证和开放协作的基础上，让算法与观测设施协同发展，或将为探索宇宙起源带来更多突破。