当前时间： 2026-08-27 07:12:37
分类：办公文件
评论(0)
用 AI 的眼睛,看更深的宇宙AI 自监督时空降噪突破天文观测极限
将韦伯望远镜等效口径从 6.4 米提升至 10 米研究团队：清华大学自动化系戴琼海院士团队与天文系蔡峥副教授团队联合攻关，自动化系吴嘉敏副教授为共同通讯作者。博士后郭钰铎、张昊与博士生李明宇为共同第一作者。发表期刊：2026年2月20日以长文形式「优先发表」于《Science》杂志，审稿人称赞其为"杰出的工作与强大的工具""会对天文领域产生重要的影响"。核心成果：团队提出时空自监督计算成像模型——星衍（ASTERIS），攻克极低信噪比下的高保真光子重构难题，将詹姆斯·韦伯空间望远镜（JWST）探测深度提升 1.0 个星等，发现 160+个宇宙黎明期高红移候选星系，数量是先前方法的 3 倍，绘制出迄今最深邃的极致深空星系图像。研究背景：探索宇宙中最遥远、最暗弱的天体一直是人类的终极追求之一，但传统硬件堆砌模式已面临边际效应瓶颈。明亮的天光背景噪声与望远镜热辐射噪声叠加，形成了天文观测上空的"乌云"，且这些噪声在时空上呈现非独立、非均匀的异质性，传统叠加方法力有不逮。01 ｜ 以"软件"撬动"硬件"，等效口径从 6.4 米跃升至 10 米ASTERIS 不依赖望远镜硬件升级，纯靠 AI 算法将韦伯望远镜的等效口径从 6.4 米提升至接近 10 米量级，光子收集效率提升近一个数量级。这打破了"增大镜面"的传统路径依赖，证明计算光学可以在不发射新硬件的前提下大幅拓展观测能力。02 ｜ 自监督学习无需人工标注，直接用真实噪声数据训练模型无需复杂的物理建模还原望远镜的真实观测状态，也无需人工标注，直接利用带有真实噪声的海量观测数据训练即可高保真还原目标信号。这种自监督范式使其能够轻松跨越不同观测平台和探测波段，具备强大的泛化能力。03 ｜ 以天文科学指标驱动 AI 架构设计，而非通用视觉指标研究团队摒弃了计算机视觉领域的通用指标（如 PSNR/SSIM），自建基于天文科学的 AI 评价方法——以探测能力、形态保真、光度保持为核心指标，将深空观测中的多帧曝光策略内化为模型的数据输入逻辑。这避免了"数据看起来干净平滑，实则磨平了暗弱信号"的误区。04 ｜ 跨学科交叉融合的标杆：自动化系 ✕ 天文系成像与智能技术实验室在智能模型与计算成像领域的深厚积累，与天文系团队对天体物理前沿和海量观测数据的深刻理解紧密结合，共同促成了理论与技术创新。这是 AI for Science 跨学科融合的典范——AI 专家与领域科学家缺一不可。将深空图像重构为时空光交织的三维体（3D spatiotemporal volume），整合多帧曝光数据中的时空信息。传统降噪假设噪声独立同分布，而 ASTERIS 认识到深空噪声在时间和空间上均呈现非均匀异质性，通过 3D 体重建将噪声的时空特征一并纳入建模。核心创新——不再将背景噪声视为随机干扰，而是对噪声的涨落与星体本身的光度进行联合建模。该机制引导模型专注于对暗弱信号的提取与重建，从海量数据中精细识别噪声与极暗弱天体信号之间在数学期望上的显著差异。无需通过复杂物理建模还原望远镜真实观测状态，直接利用带有真实噪声的海量观测数据进行自监督训练。模型从数据本身的统计规律中学习噪声与信号的分离方法，避免了人工标注成本和物理建模误差，同时保证了对真实观测条件的高适应性。通过中位数统计剔除单次曝光中的宇宙射线等瞬态干扰，通过加权平均最大化暗弱信号的信噪比。这一双重机制在提升探测暗弱信号能力的同时，降低了虚假信号的产生概率，严格保障了天文数据的科学性与严谨性。STEP 5 ｜ 天文科学驱动的评价体系与跨平台验证摒弃通用视觉指标，构建以探测能力、形态保真、光度保持为核心的 AI 评价方法。在 JWST 和昴星团（Subaru）地面望远镜数据上进行验证，覆盖波段从可见光（~500nm）延伸到中红外（5μm），证明其作为通用深空数据增强平台的潜力。发现 160+ 个存在于大爆炸后仅 2-5 亿年的"宇宙黎明"期高红移候选星系，使人类得以绘制目前最深邃、暗弱的早期星系光度函数，为理解宇宙第一缕曙光的诞生提供了全新数据支撑。🔄 推动天文观测从"硬件堆叠"到"智能增益"的范式转型传统天文观测依赖不断增大望远镜口径提升探测能力，已面临边际效应瓶颈。ASTERIS 证明 AI 可以在不发射新硬件的前提下大幅拓展观测能力，为天文观测开辟了"以算力换光力"的新范式。模型仅基于已有观测数据训练，无需人工标注，已成功应用于 JWST 和昴星团望远镜，覆盖可见光到中红外波段。这意味着它可以成为各类天文望远镜的"通用 AI 后处理引擎"，大幅降低新设备的科学产出门槛。🔍 为暗物质、暗能量与系外行星探测提供关键技术支撑研究团队预期该技术将部署于下一代望远镜，直接服务于暗物质暗能量探测、宇宙起源研究和系外行星搜索等前沿科学问题。计算光学与 AI 的深度融合将赋予观测能力指数级增长。论文标题：Deeper detection limits in astronomical imaging using self-supervised spatiotemporal denoising发表期刊：Science（2026年2月20日，优先发表 First Release）论文链接：science.org/doi/10.1126/science.ady9404共同通讯作者：戴琼海院士（清华大学自动化系）、蔡峥副教授（清华大学天文系）、吴嘉敏副教授（清华大学自动化系）共同第一作者：郭钰铎（博士后）、张昊（博士后）、李明宇（博士生）审稿人评价："杰出的工作与强大的工具""会对天文领域产生重要的影响"资助来源：国家自然科学基金委、国家重点研发计划、中国博士后科学基金、新基石科学基金会、清华大学笃实专项、马化腾基金、脑与认知智能北京实验室等AI 应用编程实验室 · 每日 AI for Science 案例推送第 010 期 ｜ 2026.08.27 ｜ 方向：天文物理 / 深空探测
基本
文件
流程
错误
SQL
调试
- 请求信息 : 2026-08-27 07:12:37 HTTP/1.1 GET : https://www.yeyulingfeng.com/a/972359.html
- 运行时间 : 0.147026s [ 吞吐率：6.80req/s ] 内存消耗：5,093.23kb 文件加载：145
- 缓存信息 : 0 reads,0 writes
- 会话信息 : SESSION_ID=726b6bb71d44598b78de97a86cf7e344
- CONNECT:[ UseTime:0.000456s ] mysql:host=127.0.0.1;port=3306;dbname=wenku;charset=utf8mb4
- SHOW FULL COLUMNS FROM `fenlei` [ RunTime:0.000596s ]
- SELECT * FROM `fenlei` WHERE `fid` = 0 [ RunTime:0.000299s ]
- SELECT * FROM `fenlei` WHERE `fid` = 63 [ RunTime:0.000316s ]
- SHOW FULL COLUMNS FROM `set` [ RunTime:0.000572s ]
- SELECT * FROM `set` [ RunTime:0.001507s ]
- SHOW FULL COLUMNS FROM `article` [ RunTime:0.001609s ]
- SELECT * FROM `article` WHERE `id` = 972359 LIMIT 1 [ RunTime:0.000508s ]
- UPDATE `article` SET `lasttime` = 1787785957 WHERE `id` = 972359 [ RunTime:0.005981s ]
- SELECT * FROM `fenlei` WHERE `id` = 64 LIMIT 1 [ RunTime:0.000331s ]
- SELECT * FROM `article` WHERE `id` < 972359 ORDER BY `id` DESC LIMIT 1 [ RunTime:0.000577s ]
- SELECT * FROM `article` WHERE `id` > 972359 ORDER BY `id` ASC LIMIT 1 [ RunTime:0.000372s ]
- SELECT * FROM `article` WHERE `id` < 972359 ORDER BY `id` DESC LIMIT 10 [ RunTime:0.001106s ]
- SELECT * FROM `article` WHERE `id` < 972359 ORDER BY `id` DESC LIMIT 10,10 [ RunTime:0.033868s ]
- SELECT * FROM `article` WHERE `id` < 972359 ORDER BY `id` DESC LIMIT 20,10 [ RunTime:0.001290s ]
0.150882s
夜雨聆风