AI算法Neo赋能地面望远镜 成像清晰度媲美太空望远镜

近日，美国加州大学圣克鲁兹分校研究团队开发出名为Neo的人工智能图像修复算法，可消除大气湍流造成的地面观测图像模糊，应用于智利薇拉·C·鲁宾天文台的地面望远镜后，其拍摄成像清晰度达到太空望远镜同等水平。测试显示，Neo可将天体形态参数测量准确度提升2至10倍，有望大幅加速各类天文发现进程。

长期以来，地面望远镜相比太空望远镜拥有更大口径、更低建造运营成本的优势，一直是天文观测的绝对主力。位于智利安第斯山脉高海拔区域的薇拉·C·鲁宾天文台，坐拥干燥少云的绝佳观测条件，本就是下一代大尺度巡天观测的核心设施，但大气湍流的干扰始终是限制其成像质量的核心瓶颈。

光线穿过地球大气层时，会因大气流动产生的密度差发生不规则折射，最终落在望远镜感光元件上的图像就会出现模糊、抖动。哪怕选址在全世界最佳的观测点，也无法完全避免这一问题。此前行业主流的解决方案是自适应光学系统，通过实时调整镜面校正畸变，但这套系统不仅成本高昂，对大视场巡天观测的校正效果仍然有限。

为了用更低成本解决这一痛点，加州大学圣克鲁兹分校的研究团队另辟蹊径，训练出了专门针对天文观测图像去模糊的AI算法Neo。团队选择日本昴星望远镜拍摄的大量地面观测数据作为输入，搭配哈勃太空望远镜拍摄的同一天区高清无失真图像作为标注，让Neo学习大气湍流造成的失真规律，自主修复图像中缺失的天体细节。