|
|
|
| 清華大學自動化系與天文系交叉團隊繪出迄今最深邃的極致深空星系圖像 |
| http://www.rumandrelaxation.com 2026年2月21日 來源：清華大學 |
|
日前，清華大學自動化系戴瓊海院士團隊和天文系蔡崢副教授團隊（以下簡稱：研究團隊），提出時空自監(jiān)督計算成像模型——星衍(ASTERIS)，攻克極低信噪比下的高保真光子重構(gòu)難題。該研究突破天文觀測深度極限，將詹姆斯·韋伯空間望遠鏡探測深度提升1個星等，找到3倍數(shù)量于過往研究的極暗弱高紅移候選天體，繪制出迄今最深邃的極致深空星系圖像。
相關研究成果于北京時間2月20日，以《自監(jiān)督時空降噪提升天文成像探測極限》(Deeper detection limits in astronomical imaging using self-supervised spatiotemporal denoising)為題，以長文形式“優(yōu)先發(fā)表”(First Release)于《科學》雜志（Science），審稿人稱贊其為，“杰出的工作與強大的工具”“會對天文領域產(chǎn)生重要的影響”。
星衍增強前后的韋伯空間望遠鏡近紅外觀測數(shù)據(jù)對比（曝光時間約18個小時）
從事件視界望遠鏡勾勒出人類首張黑洞照片的震撼瞬間，到詹姆斯·韋伯空間望遠鏡向宇宙深處投下的深邃一瞥；從歐洲極大望遠鏡ELT蓄勢待發(fā)，到巡測南天的薇拉·魯賓天文臺開啟首光：探索宇宙中最遙遠、最暗弱的天體一直是人類的終極追求之一。這些天體蘊藏著理解宇宙起源與演化的關鍵信息。為了這一追求，人們不斷增大望遠鏡的鏡面尺寸，提升傳感器的工藝性能，將最強大的觀測儀器發(fā)射至遙遠的太空。但隨著不斷增加的投入和不斷增長的時間周期，傳統(tǒng)物理維度的硬件堆砌模式，已面臨邊際效應帶來的增長瓶頸。此外，明亮的天光背景噪聲（太陽系黃道光散射、銀河系漫射光、未分辨的河外背景光）與望遠鏡自身的熱輻射噪聲疊加，形成了天文觀測領域上空的一朵烏云，遮擋了暗弱的星光。更為復雜的是，這些噪聲在時空上呈現(xiàn)非獨立、非均勻的異質(zhì)性，使得基于獨立同分布的傳統(tǒng)疊加、堆棧方法，在面對這些極暗弱信號時力有不逮。
多年來，研究團隊始終聚焦觀測天文學的核心物理挑戰(zhàn)，從光學像差矯正到大氣湍流補償，不斷突破探測極限。通過計算光學原理與人工智能算法的深度耦合，團隊實現(xiàn)了對海量觀測數(shù)據(jù)的多維解譯。這些技術沉淀最終孕育出星衍方法——它將深空圖像重構(gòu)為時空光交織的三維體，像從一塊璞玉中精細雕琢出隱藏的紋路。
星衍方法的核心，在于獨特的光度自適應篩選機制。它不再單純將背景噪聲視為隨機干擾，而是對噪聲的漲落與星體本身的光度進行聯(lián)合建模。這個機制引導模型專注于對暗弱的信號的提取與重建。
此外，即使信號極其暗弱，信號與噪聲在時空分布中的數(shù)學期望仍存在顯著差異。星衍無需通過復雜的物理建模還原望遠鏡的真實觀測狀態(tài)，直接利用帶有真實噪聲的海量真實數(shù)據(jù)進行訓練，即可高保真地還原目標信號。
此前，利用AI模型“解碼”天文數(shù)據(jù)的研究并不少見，多沿用計算機視覺領域的通用指標衡量性能。這些指標往往易將模型導向一種誤區(qū)：數(shù)據(jù)變得干凈平滑，實則磨平了極暗弱信號，甚至改變了天體形態(tài)。
研究團隊構(gòu)建了一套基于天文科學的AI評價方法，摒棄單純的視覺效果提升，以探測能力、形態(tài)保真、光度保持等為核心評價指標，將深空觀測中的多幀曝光策略內(nèi)化為模型的數(shù)據(jù)輸入邏輯，從科學需求引導星衍的架構(gòu)設計。
另一方面，星衍在增加探測深度的同時，還著力確保了探測的準確性。模型首次采用了“分時中位，全時平均”聯(lián)合優(yōu)化策略：通過中位數(shù)統(tǒng)計，剔除單次曝光中存在的宇宙射線等瞬態(tài)干擾；通過加權平均，最大化暗弱信號的信噪比。
20260220-清華大學自動化系與天文系交叉團隊突破天文觀測深度極限提出AI增強模型“星衍”-自動化系-天文觀測數(shù)據(jù)不同增強方法對比（紅圈代表準確的星點探測）.png
這一雙重機制顯著提升了探測暗弱信號的能力，也同時降低了虛假信號的產(chǎn)生概率，保證了天文數(shù)據(jù)的科學性。
在詹姆斯·韋伯空間望遠鏡的觀測數(shù)據(jù)上，星衍展現(xiàn)了驚人的效果：將探測暗弱天體的完備度提升了整整1.0個星等，并將探測的準確度提升了1.6個星等�！斑@相當于將望遠鏡的光子收集效率提升了近一個數(shù)量級。從探測深度角度評估，相當于把韋伯空間望遠鏡的等效口徑從6.4米提升到了接近10米量級。”研究人員介紹道，“這一突破為研究極端暗弱天體打開了新的窗口�！�
依托這一技術，研究團隊在韋伯空間望遠鏡的深度觀測數(shù)據(jù)中，發(fā)現(xiàn)了超過160個宇宙早期的候選高紅移星系，數(shù)量是先前發(fā)現(xiàn)的3倍。這些星系存在于宇宙大爆炸后僅2至5億年的“宇宙黎明”時代，它們的發(fā)現(xiàn)使人類得以繪制出目前最深邃、暗弱的早期星系光度函數(shù)，為理解宇宙第一縷曙光的誕生提供了全新數(shù)據(jù)。
星衍的另一大優(yōu)勢在于其強大的泛化能力。作為一種時間-空間-光度多維智能學習方法，它僅基于已有的觀測數(shù)據(jù)進行訓練，無需依賴人工標注。這一特性使其能夠輕松跨越不同觀測平臺和探測波段。目前，星衍已成功應用于詹姆斯·韋伯空間望遠鏡和昴星團地面望遠鏡，覆蓋的波段范圍從可見光（約500納米）延伸到中紅外（5微米）。這標志著它不僅能解碼空間望遠鏡的尖端數(shù)據(jù)，更可兼容多元探測設備，成為通用的深空數(shù)據(jù)增強平臺，為人類探尋宇宙的巨眼，植入智能的AI大腦。
這項突破性成果是清華大學人工智能與天文科學深度交叉融合的結(jié)晶。成像與智能技術實驗室在智能模型與算法及計算成像領域的深厚積累，與天文系團隊對天體物理科學前沿和海量觀測數(shù)據(jù)的深刻理解緊密結(jié)合，共同促成了理論與技術創(chuàng)新。依托星衍，空基觀測中受噪聲干擾的暗弱天體得以實現(xiàn)高保真重現(xiàn)；結(jié)合非一致光學像差校正與廣域大氣湍流補償?shù)惹捌谘芯�，地基時域巡天有望實現(xiàn)從硬件堆疊向智能增益的范式轉(zhuǎn)型。計算光學與人工智能的深度融合，將賦予觀測能力指數(shù)級增長，為天文學家探索“暗物質(zhì)暗能量與星系起源”等前沿科學問題提供關鍵技術支撐。
本研究受國家自然基金委、國家重點研發(fā)計劃、中國博士后科學基金、新基石科學基金會、清華大學篤實專項、馬化騰基金、腦與認知智能北京實驗室（北京市教委）等支持。清華大學自動化系戴瓊海院士、天文系蔡崢副教授、自動化系吳嘉敏副教授為共同通訊作者，清華大學自動化系博士后郭鈺鐸、張昊，天文系博士生李明宇為共同第一作者。
論文鏈接：https://www.science.org/doi/10.1126/science.ady9404
|
 關于清華大學更多的相關文章請點擊查看 |
|
| 特別說明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（www.rumandrelaxation.com）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點或證實其內(nèi)容的真實性，僅供參考，相關信息敬請以權威部門公布的正式信息為準。 |
|
|
|
| |