在探索宇宙奧秘的征程中，暗弱天體始終是科學家們關注的焦點，它們猶如宇宙深處的神秘密碼，蘊藏著理解宇宙起源與演化的關鍵線索。然而，傳統天文觀測方式在面對暗弱天體時，卻遭遇了諸多難題。近日，清華大學自動化系與天文系攜手合作，運用計算光學原理和人工智能算法，成功開發出天文AI模型“星衍”，為天文觀測帶來了新的突破。

清華天文系副教授蔡崢指出，傳統天文觀測高度依賴硬件設備的升級，但如今已陷入邊際效應瓶頸。同時，復雜的時空異質噪聲干擾，進一步加大了暗弱天體的探測難度。在這樣的背景下，“星衍”模型應運而生，它采用自監督時空降噪技術，能夠專注于提取和重建暗弱信號。該模型直接利用海量觀測數據進行訓練，在提升探測深度的同時，有效確保了探測的準確性。

實測數據充分證明了“星衍”模型的卓越性能。當團隊將其應用于詹姆斯·韋布空間望遠鏡時，深空探測深度提升了1個星等，探測準確度提升了1.6個星等。蔡崢解釋道，“星等”是用于劃分天體亮度的等級，數值越大，意味著探測到的天體越暗。這一提升相當于將空間望遠鏡的等效口徑從約6米提升到近10米的量級，極大地增強了望遠鏡的觀測能力。

基于“星衍”模型的強大功能，研究團隊取得了豐碩的成果。他們發現了160余個宇宙大爆炸后2億至5億年的早期候選星系，數量是過往研究的3倍。團隊還繪制出了迄今為止最深邃的深空星系圖像，這些圖像為探索宇宙黎明時代的星系起源提供了全新的關鍵數據，有助于科學家們更深入地了解宇宙早期的演化過程。

值得一提的是，“星衍”模型具有廣泛的適用性。它不僅可以對空間望遠鏡的海量數據進行解碼，還能兼容多元探測設備，有望成為通用的深空數據增強平臺，為未來的天文研究提供更強大的技術支持。