过往研究（蓝紫星标52个）与星衍（橙色星标162个）发现的高红移候选星系效果对比。

本报讯 近日，自动化系戴琼海院士团队和天文系蔡峥副教授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，突破天文观测深度极限，将詹姆斯·韦伯空间望远镜探测深度提升1个星等，找到3倍数量于过往研究的极暗弱高红移候选天体，绘制出迄今最深邃的极致深空星系图像。

研究成果以“自监督时空降噪提升天文成像探测极限”为题，以长文形式“优先发表”于《科学》（Science）期刊，审稿人称赞其“杰出的工作与强大的工具”“会对天文领域产生重要的影响”。

研究团队通过计算光学原理与人工智能算法的深度耦合，实现了对海量观测数据的多维解译，最终孕育出星衍方法——它将深空图像重构为时空光交织的三维体，从中雕琢出隐藏的纹路。

星衍方法的核心在于独特的光度自适应筛选机制。它不再单纯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。这个机制引导模型专注于对暗弱的信号的提取与重建。星衍无需通过复杂的物理建模还原望远镜的真实观测状态，直接利用带有真实噪声的海量真实数据进行训练，即可高保真地还原目标信号。

此外，研究团队构建了一套基于天文科学的AI评价方法，摒弃单纯的视觉效果提升，以探测能力、形态保真、光度保持等为核心评价指标，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，从科学需求引导星衍的架构设计。

星衍模型还首次采用了“分时中位，全时平均”联合优化策略：通过中位数统计，剔除单次曝光中存在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。这一机制显著提升了探测暗弱信号的能力，也同时降低了虚假信号的产生概率，保证了天文数据的科学性。

依托星衍，研究团队在韦伯空间望远镜的深度观测数据中，发现了超过160个宇宙早期的候选高红移星系，数量是先前发现的3倍。这些星系的发现使人类得以绘制出目前最深邃、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。

戴琼海、蔡峥、自动化系副教授吴嘉敏为论文共同通讯作者；自动化系博士后郭钰铎、张昊，天文系2022级博士生李明宇为共同第一作者。

（自动化系）