太棒了！中国清华科研团队用AI大模型探测到超过130亿光年的星系

你敢信？找130亿光年外的星系，以前就像在黑夜里摸黑找一根极细的绣花针——那星系的光弱到什么程度？每秒只有几个光子能落到望远镜上，比远处飘着的萤火虫暗上亿倍！过去人类只能砸钱造更大的镜子、更贵的卫星，但钱花得越来越多，提升却越来越小，就像手机充电到99%再充1%要等半天。直到2月20号，清华的两个团队扔出了个炸子儿：他们搞的AI“星衍”，直接把詹姆斯·韦布空间望远镜的探测深度拉了1个星等，相当于把韦布的等效口径从6.4米干到了近10米！更狠的是，靠这个AI，他们新发现了162个宇宙大爆炸后2到5亿年的候选星系——之前国际上总共才找到50多个，直接翻了三倍！

先唠唠这个“1个星等”到底有多牛。天文里的星等，数值越大天体越暗，提升1个星等，意味着能看到原来2.5倍暗的东西。韦布本来已经是人类最牛的太空望远镜了，现在靠AI“加持”，相当于凭空给它换了个更大的“眼睛”——要是真造个10米口径的望远镜，那造价得翻好几倍，还得等好多年才能发射，清华这波操作直接省了几十亿甚至上百亿的成本！

为什么AI能搞定？因为天文观测有个死对头——噪声。你想啊，太阳系的黄道光、银河系的漫射光，再加上望远镜自己的热辐射，这些东西混在一起，就像给宇宙照片盖了一层厚厚的雾，暗弱的星系信号根本看不清。而且这些噪声还不是均匀的，一会儿这儿多一会儿那儿少，传统的叠加方法根本没用。

清华团队的降噪思路简直是黑科技！他们搞的“自监督时空降噪”，核心是把噪声的波动和星系本身的亮度一起建模。吴嘉敏副教授说过，直接用海量真实观测数据训练，既能加深度又能保证准确。具体更牛的是，这个AI不需要人去标数据！一般的AI模型得先给一堆图标上“这是星系”“这是噪声”，但星衍直接用真实观测数据就能训。团队还专门搞了套天文专用的评价体系，盯着探测能力和形态保真，避免了传统计算机视觉指标导致的信号失真——毕竟要是把星系认成噪声，或者把噪声认成星系，那麻烦就大了。

咋干？用了“分时中位，全时平均”的招：先拿中位数统计，把单次曝光里的宇宙射线这种突然冒出来的干扰去掉；再加权平均，把暗弱信号的信噪比拉满。这套组合拳，既让暗弱信号能被看见，又减少了假信号的概率。

这项成果的意义，可不只是多找几个星系那么简单。以前天文观测的思路，就是“堆硬件”：镜子越大越好，卫星越贵越好。但现在已经到瓶颈了，再砸几百亿，可能也就提升一点点。清华这波操作，相当于打开了新大门：用算法从现有数据里“榨”出更多信息，不用再跟硬件死磕了！

星衍还有个超厉害的本事——泛化能力。它不光能解码韦布的数据，还能兼容其他望远镜，比如日本的昴星团地面望远镜，覆盖的波段从可见光（500纳米左右）到中红外（5微米）都能管。这意味着啥？它能当一个通用的“AI大脑”，给全球的天文望远镜都装上，以后不管啥望远镜拍的图，都能靠它提升画质、找更多暗弱天体。

戴琼海院士也说了，依托星衍，那些被噪声挡住的暗弱天体能高保真重现。以后这技术要是用到更多新一代望远镜上，就能帮着解码暗能量、暗物质、宇宙起源，甚至系外行星这些大问题——想想都激动，人类对宇宙的认知又要往前迈一大步了！

从“追光”到“算光”，清华这波操作直接改写了天文观测的游戏规则。以前我们看宇宙，拼的是镜子大小、传感器灵敏度；以后呢？每台望远镜都配个AI大脑，人类能看到的宇宙，肯定比现在深得多、远得多！

星衍只是个开始，但它已经证明了一个道理：探索宇宙的时候，聪明的大脑，有时候比更大的镜子管用多了。那些162个刚被发现的“宇宙黎明”星系，在130亿光年外静静待着，等着中国科学家去揭开它们藏了130亿年的秘密——想想都觉得浪漫又牛掰！

参考资料：科技日报《清华团队用AI提升韦布望远镜探测深度 发现162个早期星系》