在人類探索宇宙的征程中，觀測技術的每一次突破都如同打開一扇新的大門。近日，清華大學科研團隊在天文觀測領域取得重大進展，其研發的AI天文觀測增強模型“星衍”，成功突破了傳統觀測手段的深度極限，為揭示宇宙早期奧秘提供了全新工具。

傳統天文觀測長期面臨一個核心挑戰：極微弱的天體信號極易被背景噪聲淹沒。即便是被譽為“人類望遠鏡巔峰之作”的詹姆斯·韋布空間望遠鏡，在探測宇宙誕生初期（大爆炸后2億至5億年）的暗弱天體時，仍會受到天光背景和儀器熱噪聲的嚴重干擾。清華大學自動化系戴瓊海院士團隊與天文系蔡崢副教授團隊聯合開發的“星衍”模型，通過創新性的算法設計，實現了對低信噪比信號的高保真重構。

實驗數據顯示，該模型將韋布望遠鏡的探測深度提升了1個星等，探測準確度提高1.6個星等。這一技術突破直接轉化為科學發現：研究團隊在韋布望遠鏡的觀測數據中，一次性識別出160余個宇宙早期高紅移星系候選體，數量是此前同類發現的3倍。這些誕生于“宇宙黎明”時期的天體，如同宇宙嬰兒期的珍貴“化石”，為研究星系形成與演化提供了關鍵樣本。

“星衍”模型的核心創新在于其獨特的數據處理方式。傳統觀測方法將深空圖像視為二維平面，而該模型通過構建時空交織的三維數據體，結合光度自適應篩選技術，能夠精準區分噪聲與真實信號。這種處理方式不僅提升了信號還原的保真度，更重新定義了深空探測的能力邊界——就像在濃霧中突然獲得了透視能力，原本模糊的天體輪廓變得清晰可辨。

這項突破性成果已發表于國際權威學術期刊《科學》。研究團隊表示，該技術不僅適用于韋布望遠鏡數據，未來還可推廣至其他大型光學望遠鏡和射電望遠鏡的觀測數據處理。隨著“星衍”模型的進一步優化，人類有望探測到更多宇宙誕生初期的微弱信號，逐步拼湊出宇宙演化的完整圖景。