"'星衍'的核心，在于独特的光度自适应筛选机制。"团队成员介绍，它不再单纯将背景噪声视为随机干 扰，而是对噪声的涨落与星体本身的光度进行联合建模，"这个机制引导模型专注于对暗弱信号的提取 与重建"。 此外，即使信号极其暗弱，"星衍"也能直接利用带有真实噪声的海量真实数据进行训练，可高保真地还 原目标信号。 团队成员介绍，利用AI模型"解码"天文数据的过往研究并不少，却多沿用计算机视觉领域的通用指标衡 量性能。这些指标往往易将模型导向一种误区：数据变得干净平滑，实则磨平了极暗弱信号，甚至改变 了天体形态。 团队构建了一套基于天文科学的AI评价方法，摒弃单纯的视觉效果提升，以探测能力、形态保真、光 度保持等为核心评价指标，以科学需求引导"星衍"的架构设计。 来源：光明日报 本报北京2月23日电（记者邓晖） 清华大学自动化系成像与智能技术实验室戴琼海院士团队与天文系蔡峥副教授团队通过多学科交叉研 究，提出AI天文观测增强模型"星衍"(ASTERIS)，突破天文观测深度极限，将詹姆斯·韦伯空间望远镜探 测深度提升1个星等，找到的极暗弱高红移候选天体是过往研究的3倍，绘制出迄今最深邃的极致深空星 系图像。相关研究成果日 ...

图为天文AI模型星衍概念图。（受访者供图） 清华大学自动化系戴琼海教授、天文系蔡峥副教授、自动化系吴嘉敏副教授等带领团队，自研出星衍模 型，可解码空间望远镜的海量数据，并兼容多元探测设备，有望成为通用深空数据增强平台。 探索遥远暗弱的天体与结构，是破解宇宙起源演化、物质能量循环等科学谜题的关键。我国科学家基于 计算光学原理与人工智能算法，开发出天文AI模型"星衍"，可解锁暗弱天体信号，探测到超过130亿光 年的星系，并获取目前国际已知探测最深的深空影像。该成果2月20日凌晨在线发表于《科学》。 暗弱天体蕴藏着理解宇宙起源与演化的关键信息。然而，天光背景噪声与望远镜的热辐射噪声叠加，会 对暗弱天体信号形成干扰，这成为探秘宇宙的一大挑战。 吴嘉敏介绍，星衍的"自监督时空降噪"技术专注于对暗弱信号的提取重建，通过对噪声涨落与星体光度 的联合建模，并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。 《科学》审稿人评价，该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"。 戴琼海表示，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 ...