文章核心观点 - 中国科研团队在天文人工智能领域取得重要突破 成功研发名为SpecCLIP的天文基础模型 该模型通过对比学习方法解决不同望远镜光谱数据的融合难题 为跨巡天数据联合分析、银河系考古及恒星物理研究提供了全新的技术路径 标志着天文学研究正从“单一任务模型”时代迈向“基础模型”时代 [1][4][5][6] 模型技术突破与应用 - SpecCLIP模型的核心功能是实现跨仪器、跨巡天的光谱数据对齐与转换 其重点解决了中国郭守敬望远镜（LAMOST）低分辨率光谱数据与欧洲空间局盖亚太空望远镜（Gaia）XP光谱数据的联合分析问题 [4] - 模型采用对比学习方法 将不同来源的光谱数据映射到统一的“特征空间” 自动学习两类光谱之间的内在联系 从而高效实现数据对齐 [4] - 与传统针对单一任务训练的模型不同 SpecCLIP是一种“基础模型”框架 具备统一预测恒星大气参数和元素丰度、开展光谱相似性搜索以及发现异常源等多功能 为未来海量巡天数据的自动化分析奠定基础 [4] 科学应用与研究方向 - 在银河系考古研究中 SpecCLIP模型可助力极端贫金属星的大规模搜寻与证认 并推动构建前所未有的大规模外晕红巨星样本 为追溯银河系早期并合历史提供关键观测数据 [4] - 模型已开始服务多项前沿科学方向 例如 在中国“地球2.0”（ET）任务中 该模型能为行星寄主恒星提供准确全面的基础参数 从而提升潜在宜居行星的筛选效率 [5] - 在银河系演化史研究方面 SpecCLIP模型为数百万恒星年龄的统一测量提供了新的技术路径 为重建银河系形成与并合历史带来更大规模的数据基础 [5] 行业发展趋势与意义 - 随着郭守敬望远镜、盖亚太空望远镜及下一代巡天项目持续产生海量数据 天文学正逐步迈向“基础模型”时代 SpecCLIP模型展示了人工智能在天文光谱研究领域的巨大潜力 [5] - 该模型有望成为连接不同观测系统的重要桥梁 推动银河系结构、形成演化研究以及恒星物理研究迈向更高精度 [5] - SpecCLIP是中国科学院国家天文台与之江实验室共同发起的天文领域基础模型系列工作的第二篇论文成果 此前双方已合作构建面向时域光变数据的基座模型FALCO 这些进展标志着天文基础模型研究在人工智能新范式下迈出了重要一步 [5][6]