在探索宇宙奥秘的征途中，人类观测能力的提升始终是制约因素。近日，清华大学自动化系与天文系团队开发出新型计算模型，有效突破了传统天文观测的边界瓶颈，刷新了深空天体探测的深度纪录。 这个突破的产生并非偶然。当前，国际天文学界遇到一道难题：虽然詹姆斯·韦布空间望远镜等先进观测设备投入运行，但要从浩瀚的宇宙信号噪声中提取暗弱天体信息，仍需攻克更深层次的技术难关。清华天文系副教授蔡峥指出，传统天文观测长期依赖硬件升级路线，但这种模式已触及边际效应的瓶颈——单纯增大望远镜口径面临物理和经济的双重制约。同时，复杂的时空异质噪声干扰深入加剧了暗弱天体的探测难度，使得许多蕴含宇宙起源信息的微弱信号无法被有效捕捉。 清华团队创新之处在于另辟蹊径——通过计算光学原理与自监督时空降噪等先进算法的结合，开发出能够从海量观测数据中智能提取和重建暗弱信号的新型计算模型。与依赖人工标注数据的传统机器学习方法不同，这套模型通过自监督机制直接从天文观测数据本身进行训练，既避免了人工标注的繁琐，也充分利用了数据本身蕴含的信息规律。 实测结果证明了这一方案的有效性。团队将新型模型应用于詹姆斯·韦布空间望远镜的观测数据后，深空探测深度提升了1个星等，探测准确度提升了1.6个星等。按照天文学的标准，星等数值越大表示天体越暗，这意味着望远镜的有效探测能力得到了明显增强。用蔡峥的话来说，这相当于将空间望远镜的等效口径从约6米提升到近10米的量级——这一提升幅度在天文观测史上殊为罕见。 更具科学意义的是，这项突破为人类理解宇宙早期历史打开了新的窗口。依托新型计算模型，研究团队成功发现了160余个距今约2亿至5亿年间的早期候选星系。这一发现数量是过往同类研究的三倍，为探索宇宙"黎明时代"的星系起源提供了丰富的新鲜数据。这些来自宇宙大爆炸后最早时期的星系样本，将有助于人类更深入地理解星系如何从宇宙初期的一片混沌中逐步演化形成。 从更宽广的视角看，这一技术方案具有强大的普遍性和兼容性。蔡峥表示，新型计算模型不仅能够解码詹姆斯·韦布空间望远镜的海量数据，还可以兼容多种其他类型的深空观测设备。这意味着，随着该模型的完善和推广，它有望成为一个通用的深空数据增强平台，为全球天文学研究社群的观测工作提供强有力的支撑。这种从"硬件突破"向"算法赋能"的转变，也反映了现代科学研究中计算方法和人工智能技术日益重要的地位。
从"建造更大望远镜"到"让数据说话"，深空观测正开启新篇章；算法创新不仅提升了现有设备的潜力，也为探索宇宙起源提供了新工具。每一次对更暗、更远天体的探测突破，都是人类认识宇宙的重要进步。