把基于计算光学原理和人工智能算法的自研天文AI模型“星衍”，给天文学家解锁了一个绝佳的工具。利用这个工具，咱们的科学家就发现了超过160个存在于宇宙大爆炸后2至5亿年的早期星系。而此前国际上也就找到了50来个同时间段的星系，这次的成绩远超预期。 利用“星衍”解码数据，团队还把詹姆斯·韦布空间望远镜的深空探测深度提升了1个星等，探测准确度更是提升了1.6个星等。这就好比是给这个空间望远镜换上了更大的眼睛，把等效口径从约6米直接提升到了近10米的水平。 把“星衍”应用到詹姆斯·韦布望远镜上，它的覆盖波段范围就从可见光一直延伸到了中红外。这就是2月20日凌晨，清华大学自动化系戴琼海教授、天文系蔡峥副教授和吴嘉敏副教授带领团队在《科学》杂志上发表的一项重大成果。 暗弱天体中藏着破解宇宙起源的关键信息。然而天光背景噪声和望远镜的热辐射噪声叠加在一起，会对这些暗弱信号形成严重干扰。为了解决这个问题，“星衍”采用了“自监督时空降噪”技术。它通过对噪声涨落和星体光度的联合建模，并直接用海量观测数据进行训练，在增加探测深度的同时确保了准确性。 研究团队表示，他们通过“星衍”绘制出了目前国际探测深度最优的深空图像。利用这个工具发现了大量早期星系，从而刷新了深空探测的极限。《科学》的审稿人也给了这项研究高度评价，认为它为探索宇宙提供了强大工具。