核心观点 - 清华大学联合团队研发的AI天文观测增强模型“星衍”，成功突破天文观测深度极限，大幅提升詹姆斯·韦布空间望远镜等设备的探测能力，标志着天文观测从硬件堆叠向智能增益转型 [1][2] 技术突破与原理 - 模型创新性地构建了光度自适应筛选机制，对噪声与天体光度进行联合建模 [1] - 模型采用“分时中位，全时平均”优化策略，以剔除瞬态干扰并提升暗弱信号信噪比，在保证信号高保真还原的同时，严格保障数据的科学性与严谨性 [1] - 该技术旨在解决传统天文观测依赖硬件升级已陷入边际效应瓶颈，以及复杂时空异质噪声干扰导致极暗弱天体探测难度极大的问题 [1] 性能提升数据 - “星衍”模型将韦布望远镜的探测深度提升了1个星等 [1] - 模型使韦布望远镜的光子收集效率提升了近一个数量级 [1] - 模型等效将韦布望远镜的观测口径从6.4米提升至近10米 [1] 应用成果 - 依托该模型，团队发现了160余个宇宙大爆炸后2亿至5亿年的高红移候选天体，数量为过往研究的3倍 [1] - 团队绘制出迄今最深邃的极致深空星系图像，为探索宇宙黎明时代的星系起源提供了全新关键数据 [1] - 模型具备强大泛化能力，无需人工标注即可适配多类望远镜与多波段观测，已成功应用于空间与地面天文观测设备 [2] 行业影响 - 此项成果推动了天文观测从硬件堆叠向智能增益的转型 [2] - 该技术将为人类探索宇宙起源等前沿科学问题提供核心技术支撑 [2]