清华团队绘出极致深空星系图像

凌晨三点，天文系博士生李明宇盯着电脑屏幕揉了揉眼睛——屏幕上的韦伯望远镜数据里，那些原本像“淡墨点”的暗斑，终于凝成了清晰的星系轮廓。这不是简单的“图像增强”，而是清华大学两个团队给宇宙开的一扇“新窗”：自动化系戴琼海院士团队与天文系蔡峥副教授团队联合研发的“星衍(ASTERIS)”AI模型，把韦伯望远镜的观测深度推到了新极限，绘出了迄今最深邃的深空星系图像。

李明宇是这篇发表于《科学》杂志论文的共同第一作者，他太清楚天文学家的“痛点”：我们看韦伯拍的“创生之柱”觉得震撼，但那些藏在宇宙更深处的“婴儿星系”—宇宙大爆炸后2到⑤亿年的产物，光比夜空里最暗的星还弱100倍，连韦伯的6.4米口径都“抓不住”。传统方法要么堆硬件—望远镜越做越大，成本像坐火箭；要么“叠照片”—把多帧图像堆在一起，但噪声是“活的”，越叠越糊，暗弱的星星反而被“淹没”成背景。

这一次，团队换了思路。“星衍”不是“消灭噪声”，而是“读懂噪声”。它像个“精明的侦探”，把噪声的波动规律和星星的亮度特征“绑”在一起算—就算星星再暗，它在时空里的“固定位置”和噪声的“乱飘”总有区别。更绝处在于，它不用先搞懂望远镜的“构造说明书”，直接用带真实噪声的天文数据训练，就能把星星从噪声里“揪”出来，就像从一碗粥里挑出一颗米粒。

效果立竿见影：韦伯望远镜的探测深度提升r1个星等（相当于把“视力”从0.8升到r1.5），找到的极暗弱高红移星系比之前多了2倍—从50多个变成160多个。这些星系是宇宙的“童年照”，它们的样子能告诉我们“宇宙第一缕光怎么来的”。

别以为AI就是“一键修图”，李明宇说他们踩过坑—以前有些AI模型为了“照片好看”，把暗弱的星星磨成平滑的光斑，或者把星系形状改成“标准圆”，这对天文学家来说是“假新闻r。所以他们给AI定了“三条死规矩”：能多找星星、形状不能变、亮度要准确。星衍用“分时中位+全时平均”的办法解决了这个问题—先把宇宙射线造成的“闪屏”去掉，再把多帧照片加权平均，既保留r暗弱的光，又不会造出“假星星”。

更牛的是，“星衍”不是“韦伯专属”。它还能“听懂r昴星团望远镜的“语言”，从可见光到中红外都能用，就像一个“万能眼镜”，不管望远镜“近视”还是“老花”，戴上去都能看清。蔡峥副教授说：“我们做的不是‘专机专用’的AI，是‘能走遍宇宙’的AI。”

这一切r关键，是“理工交叉”。自动化系r吴嘉敏副教授说：“以前AI是‘工具’，现在是‘合作伙伴’—自动化系r算法像‘大脑’，天文系r宇宙知识像‘眼睛’，合在一起才能‘看见’以前看不见的东西。”他们没沿用计算机视觉r“好看指标”r而是用“能不能找到新星系”“形状对不对”这些天文标准评价AI，把“科学需求”写进了模型r“DNA’r。

论文发表那天，团队在实验室拍了张合影。戴琼海院士拿着论文说：“我们不是为了发论文而做AI，是为了让人类更懂宇宙。”那些160多个“婴儿星系”r照片正躺在服务器里，天文学家们每天盯着它们—它们可能藏着暗物质r秘密，可能揭开宇宙起源r面纱，而这一切，始于一次“AI与天文r握手”。

凌晨四点，李明宇又盯着屏幕看了会儿—那些暗弱的星系像撒在绒上的松籽，闪着微弱的光。他说：“每找到一个新星系，就像和宇宙说了一句话。”而这一次，宇宙r“回答”，比以往任何时候都清晰。