核心观点 - 清华大学研究团队通过多学科交叉，开发出AI天文观测增强模型“星衍”，该模型突破天文观测深度极限，显著提升了詹姆斯·韦伯空间望远镜等设备的探测能力，并发现了大量新的早期宇宙候选星系 [1] 技术突破与原理 - 模型通过计算光学原理与人工智能算法的深度耦合，实现对海量观测数据的多维解译，将深空图像重构为时空光交织的三维体 [2] - 核心在于独特的光度自适应筛选机制，对噪声涨落与星体光度进行联合建模，引导模型专注于暗弱信号的提取与重建 [2] - 模型能直接利用带有真实噪声的海量真实数据进行训练，高保真地还原目标信号 [2] - 团队构建了一套基于天文科学的AI评价方法，以探测能力、形态保真、光度保持为核心指标，摒弃单纯视觉效果提升 [2] - 模型采用“分时中位，全时平均”联合优化策略，在提升探测能力的同时降低虚假信号产生概率 [3] 性能与效果 - 在詹姆斯·韦伯空间望远镜数据上，将探测暗弱天体的完备度提升了1.0个星等，并将探测的准确度提升了1.6个星等 [3] - 星等提升相当于将望远镜的光子收集效率提升了近一个数量级 [3] - 依托该技术，在詹姆斯·韦伯望远镜数据中发现了超过160个宇宙早期的候选高红移星系，数量是先前发现的3倍 [3] - 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，帮助绘制出目前最深邃、暗弱的早期星系光度函数 [3] 应用与兼容性 - “星衍”能够轻松跨越不同观测平台和探测波段 [4] - 目前已成功应用于詹姆斯·韦伯空间望远镜和昴星团地面望远镜 [4] - 覆盖波段范围从可见光（约500纳米）延伸到中红外（5微米） [4] - 标志着其可兼容多元探测设备，成为通用的深空数据增强平台 [4]

核心研究成果 - 清华大学交叉研究团队研发的AI天文观测增强模型“星衍”（ASTERIS）成功突破天文观测深度极限，大幅提升詹姆斯·韦布空间望远镜探测能力 [1] - 该研究成果以长文“优先发表”于国际期刊《科学》 [1] 技术性能提升 - “星衍”模型将韦布望远镜探测深度提升1个星等 [1] - 模型将望远镜的光子收集效率提升近一个数量级 [1] - 模型等效将望远镜观测口径从6.4米提升至近10米 [1] 科学发现与应用 - 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 [1] - 此次发现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]