清华研发“星衍”AI大模型 大幅提升韦布望远镜宇宙探测能力

近日，清华大学自动化系戴琼海院士团队联合天文系蔡峥副教授团队，推出国产AI天文观测增强大模型“星衍”。该模型破解了天文领域极低信噪比暗弱信号提取难题，可将詹姆斯·韦布空间望远镜的探测深度提升1个星等，探测准确度提升1.6个星等，目前已从韦布公开观测数据中新发现超过160个宇宙早期候选高红移星系，数量为原有发现量的3倍。

对人类来说，揭开宇宙“黎明”的面纱，始终是天文学领域最具吸引力的核心命题之一。所谓宇宙黎明，指的是大爆炸后数亿年内第一代星系形成的早期阶段，这些星系距离地球超过130亿光年，传到地球的信号已经极其暗弱，始终淹没在背景噪声中。即便强如詹姆斯·韦布空间望远镜，也难以将这些暗弱信号从噪声中完整分离出来。

一直以来，天文学观测的核心限制之一，就是对暗弱信号的探测能力。越早期的星系距离越远，单位面积接收到的光子数量越少，信号信噪比极低，传统信号处理方法要么会过滤掉真实信号，要么无法有效压制噪声，导致大量潜在的早期星系一直“藏”在已观测数据里不被发现。此前韦布望远镜发布的深度巡天数据中，同区域仅发现了约50个候选高红移星系，就是受限于这一瓶颈。

此次由清华跨学科团队打造的“星衍”大模型，核心突破在于实现了极低信噪比下的高保真光子重构，能够在保留真实暗弱星系信号的同时，有效剥离背景噪声，从根本上提升了观测数据的有效深度。