人工智能（AI）正成为人类破解宇宙奥秘的"智慧伙伴"。日前，在瑞士日内瓦举办的2025年人工智 能向善全球峰会上，之江实验室联合中国科学院国家天文台研发的OneAstronomy天文领域大模型，成 功入选"人工智能向善创新实践案例集"。 在"AI+天文"的探索征程中，中国既收获了亮眼成果，也直面发展瓶颈，更在谋划着数据、算法与 实验协同的未来路径。中国科学院国家天文台研究员罗阿理近日接受科技日报记者采访时说，要推动 AI深度赋能天文研究，需进一步加强国际合作，共建天文大模型社区和遍布全球的观测设施，共享天 文数据和基础设施，共同发展基于AI的天文教育和公众天文学。 天文研究迎来范式革命 现代天文观测已进入"大数据时代"，传统研究模式面临严峻挑战。大型巡天望远镜每年产生的拍字 节（PB）级数据，若依靠人工分析，即便耗费数年也难以完成筛选与解读。AI为天文研究带来了全方 位"智能革命"，"智能钥匙"正在打开宇宙探秘新空间。 "AI对天文研究的赋能，首先体现在高效处理海量数据方面。"罗阿理说，面对复杂的宇宙数据，AI 算法如同不知疲倦的"筛选员"，能快速完成搜索、分类与异常检测等基础工作。无论是从繁杂数据中精 准识 ...

核心观点 - 紫东太初与中国科学院国家天文台联合开发了天文耀发预测大模型FLARE，能够精准预测恒星耀发事件，为天文学研究提供全新工具[2][3] - FLARE模型通过整合恒星物理属性和历史耀发记录，显著提升了预测准确性，相关论文被IJCAI 2025录用[4][14] - 实验数据显示FLARE模型准确率超过70%，多项指标优于其他基线模型[20] 恒星耀发研究背景 - 恒星耀发是恒星大气中磁场能量的快速释放过程，对理解恒星结构、系外宜居行星探索具有重要意义[7] - 目前耀发样本数量有限，且预测依赖光变曲线，但光变曲线存在数据缺失和变化趋势差异大的问题[8][10][12] - 恒星物理属性（年龄、自转速度、质量等）和历史耀发记录与耀发事件存在显著关联[13] FLARE模型技术架构 - 采用软提示模块和残差记录融合模块，有效整合恒星物理属性和历史耀发记录[14] - 将光变曲线分解为趋势和残差成分，利用移动平均法处理数据缺失[15] - 借鉴P-tuning方法处理物理属性文本，采用低秩微调LoRA技术微调预训练大模型[17] 模型性能验证 - 使用7160颗恒星的高精度光变曲线数据进行实验，对比多种基线模型（MLPs、RNNs、CNNs、Transformer等）[18] - FLARE模型准确率达71.65±0.35%，F1值74.11±0.02，显著优于其他模型[19][20] - 模型能适应不同恒星的光变曲线变化模式，对同一恒星不同模式也能实现精准预测[21][22] 应用前景 - FLARE模型展示了AI for Science在天文学领域的巨大潜力[3] - 未来有望助力科学家探索更多宇宙奥秘[23]