2月20日，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、天文系副教授蔡峥团队联合研发的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。相关研究成果发表在国际学术期刊《科学》 上。 实测数据显示，"星衍"将韦布望远镜探测深度提升1个星等，光 子收集效率提升近一个数量级，等效观测口径从6.4米提升至近10 米。依托该模型，团队发现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，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。 "星衍"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。此项成果推动 了天文观测从硬件堆叠向智能增益转型，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。（记者 华凌） 当前，传统天文观测依赖硬件升级，已陷入边际效应瓶颈，加之 复杂的时空异质噪声干扰，极暗弱天体探测难度极大。研究团队打造 出的"星衍"模型创新性地构建光度自适应筛选机制，对噪声与天体光 度联合建模，同时采用"分时中位，全时平均 ...

"'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 ...

来源：科技日报 2月20日，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、天文系副教授蔡峥团队的交叉研 究成果，以长文"优先发表"于国际期刊《科学》。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。 实测数据显示，"星衍"将韦布望远镜探测深度提升1个星等，光子收集效率提升近一个数量级，等效观 测口径从6.4米提升至近10米。依托该模型，团队发现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，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。 ...