

> 清华大学联合团队凭借创新算法成功拨开宇宙迷雾，将空间望远镜的探测边界大幅推前。上百个高红移星系的集中发现，印证了人工智能在重塑基础科学研究范式中的巨大潜能。

## 突破光学探测物理天花板

在探索深邃宇宙的漫长征途中，光学望远镜的观测能力始终受制于物理层面的天花板。即便人类已经部署了詹姆斯·韦布空间望远镜这样的顶级观测设备，在捕捉宇宙极早期的暗弱光信号时，依然会面临背景噪声过大的严峻挑战。近日清华大学自动化系与天文系联合打造的AI天文观测增强模型星衍成功打破了这一僵局。

该模型专项攻克了极低信噪比环境下的高保真光子重构难题。通过将前沿的人工智能算法与天体物理学深度融合，研究团队让现有的观测设备在不改变硬件的前提下，实现了探测深度的跨越式提升。这一突破性成果不仅拓展了人类的宇宙视野，更在国际顶级学术期刊《科学》上正式发表，彰显了中国科研团队在基础前沿领域的硬核实力。

![52.png](https://static.downly.cn/images/aa364a942d4a8a91512be615908e9d48.png) <center>图源备注 图片由AI生成</center>

## 核心数据刷新宇宙黎明认知

星衍模型带来的数据提升是颠覆性的。严谨的实验结果表明，该模型将韦布空间望远镜的探测深度直接提升了1个星等，同时探测准确度跃升了1.6个星等。在天文学的精密测量体系中，这种量级的提升意味着设备能够穿透更厚的宇宙尘埃，捕捉到更为遥远且微弱的恒星光芒。

借助这一强大的算法利器，研究团队在深空观测数据中取得了丰硕成果，一举锁定了超过160个宇宙早期的候选高红移星系。这一发现数量是过去同类观测结果的3倍之多。这些古老的星系诞生于宇宙大爆炸后仅2亿至5亿年的宇宙黎明时期，宛如宇宙演化初期的时间胶囊，为解答万物起源提供了极其珍贵的原始数据支撑。

![53.png](https://static.downly.cn/images/b697a29e29d41ca089f347c3101a4481.png) <center>图源备注 图片由AI生成</center>

## 三维重构算法剥离深空噪声

深入剖析星衍的技术逻辑，其核心优势在于对天文噪声的降维打击。在实际观测中，明亮的天光背景和望远镜自身不可避免的热辐射，构成了遮蔽微弱星光的迷雾。传统算法在处理这些干扰时往往容易损失关键的原始信号。

星衍模型采用了一种革命性的处理方式，它能够将平面的深空图像转化为时空交织的三维体数据结构。配合团队研发的光度自适应筛选机制，模型能够以极高的精度将杂乱的噪声与目标天体信号进行分离。这种算法不仅高保真地还原了目标信号，更彻底重塑了深空探测的物理边界，标志着AI技术正以前所未有的深度介入基础科学的底层创新。

搜索结果: 深空观测