问题—— 观测更遥远、更暗弱的天体与结构，是理解宇宙起源与演化、物质与能量循环等基础科学问题的重要途径。随着空间望远镜观测能力不断提升，海量高精度数据持续产出，但“看得更深”并不等于“看得更清”。深空成像中，暗弱天体信号常被天光背景噪声与望远镜热辐射噪声叠加掩盖，进而导致目标识别、测光测距与统计分析出现偏差，成为推进宇宙早期研究的关键瓶颈之一。 原因—— 业内普遍认为，深空探测能力的限制并非来自单一环节，而是“光学系统—探测器—观测环境—数据处理”共同作用的结果。一上，深空目标亮度极低，信号接近探测器噪声底；另一方面，跨波段、跨设备的数据特性差异明显，传统处理方法难以同时兼顾降噪与保真：降噪过强容易抹去微弱结构，降噪不足又会带来误检与漏检。尤其在追踪宇宙大爆炸后早期星系时，样本稀少、信号微弱且形态复杂，对数据增强与可靠性提出更高要求。 影响—— 清华大学自动化系戴琼海教授、天文系蔡峥副教授、自动化系吴嘉敏副教授等带领团队提出并自研天文模型“星衍”，面向空间望远镜海量数据解码与多设备兼容应用，目标是形成可推广的深空数据增强平台。研究显示，“星衍”应用于詹姆斯·韦布空间望远镜有关数据后，可将覆盖波段从可见光（约500纳米）扩展至中红外（5微米），并将深空探测深度提升1个星等、探测准确度提升1.6个星等。研究将该增益类比为把空间望远镜的等效口径由约6米提升至接近10米量级，从而提升深空观测的有效分辨与识别能力。 在科学产出层面，团队利用该模型获得目前国际已知探测最深的深空影像结果，并在数据中发现超过160个宇宙早期候选星系，相关星系可能存在于宇宙大爆炸后约2亿年至5亿年阶段。相比以往同期仅发现50余个候选体，这一进展有望显著扩充早期宇宙研究的样本库，为后续谱线确认、红移测定及形成与演化机制研究提供线索与观测目标。 对策—— 针对“降噪与保真难以兼顾”的痛点，研究提出“自监督时空降噪”技术路线：通过对噪声涨落与星体光度进行联合建模，在不依赖大量人工标注的条件下，直接利用海量观测数据训练，实现暗弱信号的提取与重建。其核心在于将“噪声”作为可建模对象纳入统一框架，并通过时空维度的信息关联提升稳健性，从而在增加探测深度的同时保持可靠的测量精度。期刊审稿意见认为，该研究为探测宇宙提供了“强大工具”，预计将对天文领域产生重要影响。 从管理与应用角度看，面向未来深空观测计划，相关技术仍需在跨设备一致性评估、系统误差控制、可解释性验证以及与物理模型融合等深入完善。同时，建立更规范的评测基准与共享数据流程，有助于推动成果在不同观测任务中实现可复用、可对比、可追溯，进一步释放数据价值。 前景—— 随着空间天文台观测能力持续提升，深空研究正从“能否看见”转向“能否可信地看清”。以“星衍”为代表的数据增强手段，提供了一条以算法释放仪器潜力的路径：在不更改硬件的前提下，提高既有数据的有效信息提取效率，缩短从数据到发现的链条。下一步，若能在更多观测设备与更多天区数据中验证其稳定性，并与光谱观测、引力透镜等手段协同，有望在宇宙黎明时期星系形成、恒星早期演化、早期再电离过程等方向带来新的突破。
从仰望星空到深入理解宇宙，人类探索从未止步。我国科学家融合计算光学与人工智能算法，突破深空探测中的关键技术瓶颈，不仅刷新国际探测纪录，也为研究宇宙起源与演化打开了新的窗口。这个成果说明了我国在基础科学研究中的创新能力与国际竞争力，也预示未来宇宙探索中，中国科学家有望持续贡献更多原创性发现。