凌晨两点，清华大学的博士生郭钰铎突然从电脑前跳起来。算法跑通了 —— 暗弱的星星从满屏雪花点的噪声里浮现出来。他激动地给组里所有人都发了微信，没一人回他……

但那一晚，人类能看见的宇宙悄悄变远了：他的算法，让价值 100 亿美元的韦布望远镜，看到了以前看不见的东西。

图源：果壳视频

2020年，郭钰铎来到清华大学成像与智能技术实验室读博。这个实验室专攻计算成像，就是给相机“配一个大脑”。镜头负责采光，算法负责推测，两者配合，能提取出更多的信息。

本来这已经是一个很厉害的工科实验室了，但大师兄吴嘉敏带着团队跨界生物，活着的小鼠放到台子上，用他们手搓的配了大脑的显微镜看，小鼠脑细胞活动一览无遗，科研成果曾多次登上顶刊。

图源：果壳视频

但新生郭钰铎，没有跟着师兄看生物。他接到了一个全新的课题，研究望远镜看星星。

显微镜和望远镜，一个在实验台上，一个在天上；一个看微米级的细胞，一个看百亿光年外的星系。这不是完全两种东西吗？

“我们做光学，是以问题为引导，”吴嘉敏说，“它们解决的都是光学的问题，只是应用领域不同。”

比如这张真实的天文照片，它布满了雪花点，像极了老式电视机没信号时的样子。

未经处理的天文照片 | 果壳拍摄

这些密密麻麻的雪花点，可能是极其暗弱的星光，也可能是设备自身的底噪、太空中弥漫的微弱背景光，或者光子随机出没带来的干扰。想要把信号和噪声区分出来，天文学的传统办法是叠加曝光。

对着同一片天空拍很多张，对齐后叠在一起。在短暂的曝光时间里，天体是不动的，它们发出的星光总在同一个位置；噪声却是随机的，会在不同的位置出现。所以，叠在一起后，星光会变得更明显，噪声就被摊匀了。理论上，想让信噪比提升M倍，曝光次数就得是M的平方。比如，想提升3 倍，得叠 3×3=9 张照片；想提升 10 倍，得叠 100 张。

图源：果壳视频

一直叠下去，能不能变得无限清楚？

郭钰铎说：“这个时候AI出现了。我觉得一切都是刚刚好。”

为了补充天文知识，郭钰铎选修了《观测天文学》，教这门课的是清华大学天文系副教授蔡峥。下课后郭钰铎请教老师，能不能用AI做天文图像降噪。蔡峥的第一反应是，没戏。因为空间望远镜用于数据处理的管线，都是经过千锤百炼的。照片的每一个像素点，天文学家都已经认真地钻研过了。蔡峥认为已经没有再能提高的点了，甚至“神仙来了也没用。”

图源：果壳视频

听到业界权威说出“泼冷水”的话，一般人可能就不再继续了。但郭钰铎选择了死磕。

他下载了地面最强望远镜斯巴鲁的几百张照片，准备用它们训练AI。他先做了一件让师兄吴嘉敏后来逢人便夸的事儿：把照片里亮的部分全部砍掉。

这是因为天文图像的动态范围极大，相邻两颗星可能相差上千倍亮度，一起喂给网络，算法的注意力必然被亮星吸走。但天文学家们往往追求极致的科学，他们更多关注那些处于观测边界上那些几乎被噪声吞没的暗弱部分。在这里，更可能藏着新的科学发现。因此，砍掉亮星，就能让算法更好地聚焦问题。

图片处理好后，他们按照8张一组打包，整摞喂给AI。

过去的训练做法，是先把多张曝光照片按像素叠加，合成一张新图再喂给AI，相当于只在二维平面上利用信息。郭钰铎换了个思路：不合成，把一张张原始曝光直接交给模型。这些照片拍摄的时间不同，画面也各有差异。AI不仅能看见二维的平面图，还能顺着时间轴看到前后画面的变化，数据就变成了三维信息。

8张曝光图构成三维堆栈 | 果壳视频

AI的训练方法也需要创新。理想情况下需要一张“完全没有噪声”的照片当标准答案，可这样的照片在宇宙里根本不存在。

于是团队采用了“自监督”的方法，把16张曝光照片分成AB两组，各8张。两组拍的是同一片天空，每张照片上星星的位置都一样，噪声各不相同。AI根据A组的8张照片生成一张降噪图；再把B组的8张用叠加曝光合成一张，作为一份相对清晰的“参考答案”。

AI生成降噪图和叠加曝光的对比 | 果壳视频

两张图一对比：有些东西两侧都有，它们是星星，降噪时要保留；有些东西只在一侧出现，它们是噪声，降噪时要保留。每对比一次，AI辨认星星的能力就增加一点，理论上就可能超越传统方法。

只训练了几个星期，AI就可以把图像变得又干净又漂亮了，但郭钰铎发现：画面里没有多出任何一颗星星。

没过多久，一个下大暴雨的日子，蔡峥突然打来电话，说要讨论算法。紧接着，他冒雨从天文系赶了过来。他在茶歇间脱掉湿透的鞋子，换上郭钰铎的拖鞋，开口第一句便说：“你这个算法不对，它是没有用的。”

两个人一起把当时的算法设计彻底否掉了。郭钰铎一度很沮丧，但他定了定神，问了蔡峥一个问题：“如果我们做成了，这个东西在科学上，会有什么价值？”蔡峥没有直接回答。他抬手在白板上画下一条曲线，它是高红移星系的光度函数。

大爆炸之后，宇宙陷入了漫长的黑暗，直到第一批星系诞生，世界才有了光。这些最初的星系，是稀稀拉拉，还是密密麻麻？不同亮度的星系，在宇宙里各有多少？曲线说的就是这个事儿。人类花了几十年，斥巨资打造最好的望远镜，但曲线也只画到了这里（上图中蓝色曲线最右端）。

蔡峥说：“如果这个事儿能做成，我们就可以在无人触及的地方，点上我们的点。”

在人类认知的无人之境，点上一个点。带着这份信念，郭钰铎重新出发。他把过去的设计全部推翻重来，把所有想做的点子、所有的洞察，都写进一个全新的方法。

恰好在这段时间，人类最好的太空望远镜，詹姆斯·韦布放出了海量的深空数据。跨越百亿年的光，落在成千上万张照片里，成为AI的“真题”。为了加快训练进度，郭钰铎常常在电脑前，一坐就到深夜。

“做learning（机器学习），尤其是这个工作，我感觉进度条是跳变的。你可能做了一个月、两个月，你的进度一直是10%或者5%，你看不到任何增长。但是，如果你坚持下去，突然有一个晚上，它就会变成90%甚至95%。别放弃，没准成功就在下一个晚上。”

凌晨两点，算法突然跑通了。暗弱的星星，一颗接一颗，从噪声里浮现出来。郭钰铎激动得不行，抓起手机，给他能想到的所有人挨个发微信。大家都睡着了，没有人回他，但他还是很激动。

几天后，兴奋退去，他对自己的成果，展开了最严格的质疑。大师兄吴嘉敏指出问题，怎么证明降噪结果不是AI瞎编的？他们一起给AI办了一场模拟考：先造一批“假星星”，放在真实的噪声里。再让各种算法比赛，看谁找的星星多。

25颗假星星，三种方法分别找到了13、17和23个，新算法遥遥领先（最右）

新算法在90%完备度下将探测极限提升了约1.0个星等，在90%纯度下提升超过1.5个星等。完备度和纯度，这两个指标往往相互拉扯：天上有100个星系，算法能找到90个，完备度就是90%；算法报告说找到了100个，其中90个是真的，纯度就是90%：完备度高、找到的更多，混进来的假货就更多，纯度就会下降。但新算法做到了两个方面的同时提高。更关键的是，天体的光斑形状和亮度测量都没变，它只去掉了噪声，没给数据加料或减料。

同等条件下，新算法能看到的星星，比传统叠加法暗1个多星等。这个量级的提升，相当于给韦布换上一面10米口径的镜子。真把这面镜子造出来，得花三四百亿美元。而他们花的，只是一点算力的钱。

郭钰铎用新算法，把韦布望远镜的JADES深场数据“洗”了一遍。此前，传统方法只找到约50个早期星系候选体，新算法找到了162个，其中75%从未被报告过。那些已经过光谱确认的星系，它一个都没有漏掉。

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

这些暗弱小星系的数量，比理论模型预测的多得多。宇宙的早期，或许远比我们想象的拥挤。把宇宙从漫长黑暗中重新点亮，或许不是某几个特别亮的大星系，而是微弱暗淡却不计其数的小星系。

团队把算法命名为“星衍”，取自《易经》的“大衍之数“，英文名ASTERIS。他们论文投给了《科学》杂志，审稿人的反馈非常积极：“总体而言，我认为这是一项非常相关的工作，可以对整个天文学产生重要影响。”

“人类的认知是往前走了一个星等，但想理解宇宙的规律，比蚂蚁懂广义相对论还难。”蔡峥说，“而人总是希望见到更多的风景，这定义了人为什么是人。”

这套开源算法不只服务于韦布。它不挑望远镜，地面的、空间的，中国的、外国的，都能用上它。它不要求升级硬件，也不占用观测时间。

这意味着什么？

1995年，哈勃对着天上一小片看上去什么都没有的黑暗，连续观测了10天。照片洗出来，所有人都惊呆了：那粒沙子大小的天区里，竟然密密麻麻挤着近3000个星系，这就是著名的“哈勃深场”，人类对宇宙规模的想象，被它彻底改写。

把宇宙的年龄推算到138亿年、印证宇宙正在加速膨胀……这些改写教科书的结果，背后都是哈勃攒下的一张张照片。

而现在，哈勃过去30多年的存档，全世界天文台硬盘里沉睡的老照片，都可以拿出来重新“洗”一遍。当年的旧片里，说不定还藏着没人见过的星星。下一次颠覆人类想象的发现，说不定就在其中。

论文发表后，郭钰铎一下忙了起来。国内外的天文团队纷纷找上门，都想把这套算法用到自己的望远镜上。

他们邀请郭钰铎参加线上讨论。他在一旁听着，看天文学家热火朝天地讨论它效果有多好，琢磨还能怎么改进它。“我也不说话，我有时候知道答案，但是我也没说，就看他们讨论。我一个工科生做出的工具，被天文学家们这样认可，蛮开心的。”

“希望它能真的给我们国家望远镜带来更多的增益。”他还说。

参考文献

[1]https://www.science.org/doi/10.1126/science.ady9404

[2]https://www.tsinghua.edu.cn/info/3155/119959.htm

[3]https://mp.weixin.qq.com/s/8umQcXpg4usxz0sPafL19Q

作者：RAM、桔子帮小帮主

编辑：吴欧