内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

AI导读

清华大学团队突破性技术“星衍”将韦伯望远镜探测深度提升1个星等，新发现160个超130亿光年高红移星系，构建国际最深空图像，被《科学》评为"天文领域的强大工具"。

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

AI导读

清华大学团队突破性技术“星衍”将韦伯望远镜探测深度提升1个星等，新发现160个超130亿光年高红移星系，构建国际最深空图像，被《科学》评为"天文领域的强大工具"。

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

AI导读

清华大学团队突破性技术“星衍”将韦伯望远镜探测深度提升1个星等，新发现160个超130亿光年高红移星系，构建国际最深空图像，被《科学》评为"天文领域的强大工具"。

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

AI导读

清华大学团队突破性技术“星衍”将韦伯望远镜探测深度提升1个星等，新发现160个超130亿光年高红移星系，构建国际最深空图像，被《科学》评为"天文领域的强大工具"。

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404

AI导读

清华大学团队突破性技术“星衍”将韦伯望远镜探测深度提升1个星等，新发现160个超130亿光年高红移星系，构建国际最深空图像，被《科学》评为"天文领域的强大工具"。

内容由AI智能生成

IT之家消息，清华大学研究团队今日在《科学》上发表天文成像技术突破性成果。

据介绍，由自动化系戴琼海院士团队与天文系蔡峥副教授团队联合开发的“星衍”（ASTERIS）时空自监督计算成像模型，成功将詹姆斯 · 韦伯空间望远镜的深空探测深度提升 1 个星等，相当于将该望远镜等效口径从 6.4 米提升至近 10 米量级。

该技术针对天文观测中天光背景噪声与望远镜热辐射噪声叠加的行业难题，通过建立噪声涨落与星体光度联合模型，实现对极低信噪比环境下的光子重构。模型采用“分时中位，全时平均”联合优化策略，在剔除宇宙射线等瞬态干扰的同时提升暗弱信号信噪比。测试数据显示，其探测准确度提升达 1.6 个星等。

研究团队应用该模型处理韦布望远镜观测数据，新发现超过 160 个宇宙大爆炸后 2 至 5 亿年的高红移候选星系，数量达此前同类研究的三倍。这些星系距离地球超过 130 亿光年，相关成像构成当前国际最深邃的深空星系图像。

技术验证表明，“星衍”具备跨平台兼容性，可覆盖可见光（500nm）至中红外（5μm）波段，已成功应用于韦伯空间望远镜及昴星团地面望远镜。《科学》杂志审稿人评价该技术为“天文领域的强大工具”。

清华指出，该方法无需人工标注训练数据，直接利用真实观测数据完成模型训练。团队建立了以探测能力、形态保真为核心的天文专用 AI 评价体系，避免传统计算机视觉指标导致的信号失真问题。该技术未来或为暗能量、系外行星探测等前沿领域提供支撑。

IT之家附论文链接：https://www.science.org/doi/10.1126/science.ady9404