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

文 春公子

把韦布望远镜"放大"到10米！中国AI给宇宙拍了张"极致深空照"

如果把人类探索宇宙比作在深海里捞针，那这根"针"，就是那些130亿光年外的暗弱星系。它们发出的光，微弱到每秒钟只有几个光子能落到望远镜上，比远处萤火虫的光还要暗上亿倍。

过去，我们只能靠造更大的镜子、建更贵的卫星来捞这根针。但边际效应越来越明显：再砸几百亿美元，提升也有限。

直到2月20日，中国科学家给出了一条新路。

清华大学戴琼海院士团队和蔡峥副教授团队在《科学》杂志上发表成果：他们研发的AI模型"星衍"（ASTERIS），成功将詹姆斯·韦布空间望远镜的探测深度提升1个星等，相当于把韦布的等效口径从6.4米提升到近10米。

更惊人的是，借助这个AI，他们新发现了超过160个宇宙大爆炸后2至5亿年的候选星系——而此前国际上总共只找到50多个。

一、天文观测的"天花板"，被算法顶破了

先说清楚"探测深度提升1个星等"意味着什么。

"星等"是天文学里衡量天体亮度的单位，数值越大，天体越暗。提升1个星等，意味着望远镜能看到原来2.5倍暗的天体。放在韦布望远镜上，相当于把它的"视力"从6.4米口径提升到近10米口径的量级——这要是靠造更大的镜子来实现，造价得翻几倍不止。

蔡峥副教授说得很直白："我们生成了目前国际探测深度最优的深空成像结果，刷新了深空探测极限并绘制了极深图像。"

数据最能说明问题：利用星衍，团队在韦布的深度观测数据中发现了162个宇宙早期的候选高红移星系。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，而此前国际上仅发现50余个。也就是说，星衍让人类找到的"宇宙黎明"星系数量，直接翻了三倍。

《科学》杂志的审稿人评价这个研究为探测宇宙提供了"强大工具"，"将对天文领域产生重要影响"。

二、降噪黑科技：从"雾里看花"到"纤毫毕现"

为什么需要AI来帮忙？因为天文观测有个死敌——噪声。

来自太阳系黄道光、银河系漫射光的干扰，加上望远镜自身热辐射，这些噪声叠加在一起，像一层厚厚的雾，把暗弱的天体信号遮得严严实实。更麻烦的是，这些噪声在时间和空间上还分布不均，传统的叠加堆栈方法根本处理不了。

清华团队解决这个问题的思路，堪称"降噪黑科技"。

他们开发的"自监督时空降噪"技术，核心是对噪声的涨落与星体本身的光度进行联合建模。吴嘉敏副教授解释："直接用海量观测数据训练，在增加探测深度的同时，确保了探测准确性。"

具体怎么干？模型采用了"分时中位，全时平均"的联合优化策略：先通过中位数统计，剔除单次曝光中存在的宇宙射线等瞬态干扰；再通过加权平均，最大化暗弱信号的信噪比。这套双重机制，既提升了探测暗弱信号的能力，又降低了虚假信号的产生概率。

更厉害的是，星衍不需要人工标注的训练数据，直接用真实的观测数据就能完成模型训练。团队还专门建立了一套以探测能力、形态保真为核心的天文专用AI评价体系，避免了传统计算机视觉指标导致的信号失真问题。

三、从"硬件堆砌"到"智能增益"，中国科学家开了条新路

这项成果的意义，远不止于多发现几个星系。

传统天文观测的思路，是不断增大镜面尺寸、提升传感器工艺、发射更贵的卫星。但这种"硬件堆砌模式"，已经陷入边际效应带来的增长瓶颈。清华团队的研究，证明了一条新路：用算法从现有数据里"榨"出更多信息。

星衍的另一个优势是强大的泛化能力。它不仅能解码韦布空间望远镜的数据，还能兼容其他探测设备——目前已成功应用于日本的昴星团地面望远镜，覆盖的波段范围从可见光（约500纳米）延伸到中红外（5微米）。这意味着，它可以成为一个通用的深空数据增强平台，为全球的天文望远镜"植入智能的AI大脑"。

戴琼海院士展望："依托星衍，天文观测中受噪声干扰的暗弱天体得以高保真重现。该技术未来有望应用于更多新一代望远镜，为解码暗能量、暗物质、宇宙起源、系外行星等重大科学问题提供助力。"

从"追光"到"算光"，中国科学家正在改写天文观测的游戏规则。

过去，我们仰望星空，依赖的是镜面的大小、传感器的灵敏度。未来，当每一台望远镜都配上AI大脑，人类能看到的宇宙，将比现在深得多、远得多。

星衍只是一个开始。但它的意义在于证明：在探索宇宙的路上，聪明的大脑，有时比更大的镜子更管用。

至于那162个刚被发现的"宇宙黎明"星系，它们正在130亿光年外静静地看着我们。等着中国科学家，去解开它们藏了130亿年的秘密。