自望遠(yuǎn)鏡技術(shù)誕生以來(lái)，人類(lèi)對(duì)于宇宙深空的探索便從未停止過(guò)腳步。特別是空間望遠(yuǎn)鏡的出現(xiàn)，更成為了人類(lèi)望向宇宙邊緣的最銳利的目光。
隨著技術(shù)的不斷迭代，這份“目光”變得愈加銳利。然而與此同時(shí)，其邊際效應(yīng)也開(kāi)始出現(xiàn)，這使得空間望遠(yuǎn)鏡技術(shù)在宇宙深空探索中，面臨著難以克服的瓶頸。
但就在不久前，中國(guó)工程院院士、清華大學(xué)自動(dòng)化系教授戴瓊海團(tuán)隊(duì)與清華大學(xué)天文系副教授蔡崢團(tuán)隊(duì)聯(lián)合研發(fā)出的人工智能天文觀(guān)測(cè)增強(qiáng)模型“星衍”(ASTERIS)，卻有望突破天文觀(guān)測(cè)深度極限。
借助該模型，研究團(tuán)隊(duì)已經(jīng)將將詹姆斯·韋布空間望遠(yuǎn)鏡（以下簡(jiǎn)稱(chēng)韋布望遠(yuǎn)鏡）探測(cè)深度提升了1個(gè)星等，找到3倍數(shù)量于過(guò)往研究的極暗弱高紅移候選天體，并繪制出迄今最深邃的極致深空星系圖像。
近日，相關(guān)成果已經(jīng)以長(zhǎng)文形式發(fā)表于《科學(xué)》。
“疊照片”的局限
在距離地球百億光年外，存在著一些即便用天文望遠(yuǎn)鏡都難以察覺(jué)的暗弱的天體與結(jié)構(gòu)。這些天體形成于宇宙爆炸初期，因此，其對(duì)于人類(lèi)解鎖宇宙起源演化、物質(zhì)能量循環(huán)、時(shí)空本質(zhì)等核心科學(xué)謎題，可以發(fā)揮關(guān)鍵性作用，也有利于人類(lèi)拓展認(rèn)知邊界、追尋宇宙奧秘。
“為了更好地進(jìn)行宇宙探索，人類(lèi)不斷增大望遠(yuǎn)鏡口徑、精進(jìn)傳感器性能，甚至將先進(jìn)設(shè)備送入太空?！苯邮堋吨袊?guó)科學(xué)報(bào)》采訪(fǎng)時(shí)，蔡崢表示，但太陽(yáng)系黃道光散射、銀河系漫射光、未分辨的銀河系外背景光線(xiàn)等天光背景噪聲，與望遠(yuǎn)鏡熱輻射噪聲相互疊加，會(huì)為深空蒙上了一層“迷霧”，讓本就微弱的信號(hào)難以彰顯。
更棘手的是，這些噪聲的分布往往不獨(dú)立、不均勻，不同區(qū)域和時(shí)段的噪聲既難以解析刻畫(huà)，又存在復(fù)雜關(guān)聯(lián)性。
“對(duì)此，傳統(tǒng)的解決方法是把同一宇宙區(qū)域的多張照片相互疊加，以此提升照片的信噪比。”蔡崢說(shuō)，但這種方法要發(fā)揮最大作用，必須假設(shè)照片中的像素點(diǎn)相互獨(dú)立，不存在相關(guān)性。但現(xiàn)實(shí)卻恰恰相反——這些像素之間不但具有關(guān)聯(lián)性，而且這種關(guān)聯(lián)還非常復(fù)雜，很難解析表達(dá)。
“這導(dǎo)致該方法雖然可以提升一定的照片信噪比，但提升幅度卻很有限?！辈虓樥f(shuō)，也正因?yàn)槿绱?，那些遙遠(yuǎn)宇宙深處的暗弱天體，始終隱藏在一片難以分辨的宇宙光線(xiàn)噪音中，困擾著人類(lèi)對(duì)于宇宙的深入探索。
新的突破口
需要注意的是，盡管對(duì)于這些暗弱天體的分辨存在困難，但通過(guò)長(zhǎng)期的觀(guān)察，科學(xué)家已經(jīng)積累了大量觀(guān)測(cè)數(shù)據(jù)。有沒(méi)有一種方式，可以繞開(kāi)對(duì)觀(guān)測(cè)設(shè)備的“硬件”堆疊，轉(zhuǎn)而利用人工智能算法，提升對(duì)這些海量觀(guān)測(cè)數(shù)據(jù)的解碼能力呢？
蔡崢告訴《中國(guó)科學(xué)報(bào)》，多年來(lái)，計(jì)算機(jī)專(zhuān)家利用人工智能解碼深空數(shù)據(jù)的研究并不在少數(shù)，但這些研究往往沿用了計(jì)算機(jī)視覺(jué)領(lǐng)域的通用指標(biāo)衡量性能，而這些指標(biāo)往往容易將模型導(dǎo)向一種誤區(qū)——讓數(shù)據(jù)變得更加干凈、平滑，但在無(wú)形中卻“磨平”了極暗弱信號(hào)，因而改變了天體形態(tài)，并影響了科學(xué)測(cè)光。
這一點(diǎn)正是“星衍”的突破口。
據(jù)介紹，“星衍”的核心在于一套獨(dú)特的光度自適應(yīng)篩選機(jī)制。它不再單純將背景噪聲視為隨機(jī)干擾，而是對(duì)噪聲的漲落與星體本身的光度進(jìn)行聯(lián)合建模。這個(gè)機(jī)制引導(dǎo)模型專(zhuān)注于對(duì)暗弱的信號(hào)的提取與重建。
“我們構(gòu)建了一套基于天文學(xué)的人工智能評(píng)價(jià)方法，摒棄單純的視覺(jué)效果提升，轉(zhuǎn)而將探測(cè)能力、形態(tài)保真、測(cè)光準(zhǔn)確等內(nèi)容定為核心評(píng)價(jià)指標(biāo)，將深空觀(guān)測(cè)中的多幀曝光策略，內(nèi)化為模型的數(shù)據(jù)輸入邏輯。”蔡崢說(shuō)，
正是這一算法邏輯的變化，使得“星衍”在增加探測(cè)深度的同時(shí)，保持了測(cè)光的精準(zhǔn)，并在提升探測(cè)暗弱信號(hào)的同時(shí)，大幅降低虛假信號(hào)的產(chǎn)生概率，保證了數(shù)據(jù)的科學(xué)與嚴(yán)謹(jǐn)。
蔡崢表示，能夠?qū)崿F(xiàn)這一目標(biāo)，除了算法的突破外，更重要的在于大量數(shù)據(jù)的提供，以及人工智能算力的提升。
“簡(jiǎn)單地說(shuō)，就是我們給人工智能設(shè)定了一個(gè)目標(biāo)——區(qū)分正確信號(hào)和周邊噪聲，并在算法的加持下，對(duì)其‘投喂’足夠的空間圖像數(shù)據(jù)。最終，人工智能對(duì)于信號(hào)與噪音的理解會(huì)被人類(lèi)這個(gè)‘師傅’還要深刻。”蔡崢說(shuō)。
問(wèn)題是，去哪里找那么多的數(shù)據(jù)？
僅僅是個(gè)“DEMO”
作為人類(lèi)探索宇宙深空的最強(qiáng)大工具之一，韋布望遠(yuǎn)鏡自2021年發(fā)射升空至今，已經(jīng)收集了海量的宇宙深空?qǐng)D像數(shù)據(jù)，這其中的很多數(shù)據(jù)已經(jīng)公開(kāi)，研究團(tuán)隊(duì)便將目光鎖定在了這些數(shù)據(jù)上。
在對(duì)這些觀(guān)測(cè)數(shù)據(jù)的分子中，“星衍”展現(xiàn)出了驚人的效果——將探測(cè)暗弱天體的完備度提升了整整1.0個(gè)星等，并將探測(cè)的準(zhǔn)確度提升了1.6個(gè)星等。
“‘星等’是天文學(xué)家為天體亮度劃分的等級(jí)，數(shù)值越大，天體越暗。”蔡崢說(shuō)，提高一個(gè)星等，相當(dāng)于看到了比之前暗2.5倍的天體。“打個(gè)比喻，如果之前望遠(yuǎn)鏡可以開(kāi)到宇宙邊緣一個(gè)10瓦燈泡的亮度，那么我們的算法可以看到一個(gè)3~4瓦燈泡的亮度。”
如果從探測(cè)深度角度評(píng)估，這相當(dāng)于“把韋布空間望遠(yuǎn)鏡的等效口徑從6.4米提升到了接近10米量級(jí)。”蔡崢說(shuō)。
依托這一技術(shù)，研究團(tuán)隊(duì)在韋布空間望遠(yuǎn)鏡的深度觀(guān)測(cè)數(shù)據(jù)中，發(fā)現(xiàn)了超過(guò)160個(gè)宇宙早期的候選高紅移星系。而在此前，人類(lèi)對(duì)該宇宙區(qū)域的所有觀(guān)測(cè)中，僅僅發(fā)現(xiàn)了四五十同類(lèi)天體。
“這些星系存在于宇宙大爆炸后僅2至5億年的‘宇宙黎明’時(shí)代，它們的發(fā)現(xiàn)，使人類(lèi)得以繪制出目前最深邃、暗弱的早期星系光度函數(shù)，為理解宇宙第一縷曙光的誕生提供了全新數(shù)據(jù)?！辈虓樥f(shuō)。
值得一提的是，“星衍”的應(yīng)用領(lǐng)域并不僅限于宇宙觀(guān)測(cè)。正如蔡崢?biāo)?，“?duì)于韋布空間望遠(yuǎn)鏡的深度觀(guān)測(cè)數(shù)據(jù)，僅僅是該模型的一個(gè)應(yīng)用‘DEMO’（小樣）”。
“由于‘星衍’的主要作用就是區(qū)分復(fù)雜圖像中的主目標(biāo)和噪聲，提升圖像的信噪比。因此，只要是光子探測(cè)，該模型都有一定的用武之地?！辈虓樥f(shuō)，這標(biāo)志著它不僅能解碼空間望遠(yuǎn)鏡的尖端數(shù)據(jù)，更可兼容多元探測(cè)設(shè)備，成為通用的數(shù)據(jù)增強(qiáng)平臺(tái)，為科學(xué)研究、深空探測(cè)、星地通信、態(tài)勢(shì)感知等廣泛領(lǐng)域的發(fā)展，植入一顆新的人工智能大腦。
相關(guān)論文信息：https://www.science.org/doi/10.1126/science.ady9404
編輯：李華山
