← 最新论文
🔭 astrophysics

Deeper detection limits in astronomical imaging using self-supervised spatiotemporal denoising

该论文介绍了 ASTERIS,这是一种基于自监督变换器的算法,它利用多次曝光之间的时空相关性,显著提升了天文探测极限,从而使得利用詹姆斯·韦伯太空望远镜和昴星团望远镜等获取的深空成像数据中发现更暗淡的星系和低表面亮度结构成为可能。

原作者: Yuduo Guo, Hao Zhang, Mingyu Li, Fujiang Yu, Yunjing Wu, Yuhan Hao, Song Huang, Yongming Liang, Xiaojing Lin, Xinyang Li, Jiamin Wu, Zheng Cai, Qionghai Dai

发布于 2026-05-04
📖 1 分钟阅读☕ 轻松阅读

原作者: Yuduo Guo, Hao Zhang, Mingyu Li, Fujiang Yu, Yunjing Wu, Yuhan Hao, Song Huang, Yongming Liang, Xiaojing Lin, Xinyang Li, Jiamin Wu, Zheng Cai, Qionghai Dai

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,试图在拥挤的体育场中听清一声细微的耳语。人群的嘈杂声就是“噪声”,而那声耳语则来自遥远古代星系的微弱光芒。几十年来,天文学家一直试图通过让人群安静下来或延长体育场录音时间来捕捉这些耳语。但有时,噪声并非随机的嘈杂声,而是一种复杂的、旋涡状的干扰模式,阻碍了我们的聆听。

本文介绍了一种名为ASTERIS的新工具,这是一种智能计算机程序,旨在比以往更好地捕捉这些耳语。以下是其工作原理的简明解释:

问题:图像中的“静电”

当詹姆斯·韦伯太空望远镜(JWST)等望远镜拍摄宇宙图像时,它们并非只拍一张照片,而是对同一区域拍摄多张照片,并将它们叠加在一起,就像叠加描图纸一样。这被称为“共加”(co-addition)。

这就好比给一辆移动的汽车拍一张模糊的照片。如果你拍 10 张照片并叠加它们,汽车会变得更清晰,但背景中的静电(噪声)也会变得稍微清晰一些。通常,天文学家假设这种静电只是电视屏幕上随机的“雪花”。但在现实中,这种静电往往是“有结构的”——它具有模式,就像池塘中的涟漪或引擎的嗡嗡声。传统的叠加方法无法修复这种结构化噪声,因为它们将每个像素视为独立的。

解决方案:ASTERIS(“穿越时空的侦探”)

作者创建了 ASTERIS,其全称为Astronomical Self-supervised Transformer-based Enhanced Reduction of Image Static(基于天文自监督 Transformer 的图像静电增强消除器,这是一个对智能去噪器的华丽命名)。

ASTERIS 不仅仅是叠加照片,它更像是一位侦探,从略微不同的角度和时间观察同一场景

  • 类比:想象你试图在人群中寻找一个特定的人。你有 8 张在极短时间内拍摄的人群照片。在每张照片中,人群都有轻微移动,但你要找的那个人始终停留在同一位置。
  • 工作原理:ASTERIS 同时查看这 8 张照片。它学习到“那个人”(真实的星系)是保持一致的,而“人群移动”(噪声)则以一种特定的、可预测的方式变化。它利用一种特殊类型的人工智能(一种"Transformer",类似于现代聊天机器人背后的技术)来精确识别噪声的形态并将其减去,从而留下清晰如水晶般的星系。

“自监督”的魔力

通常,要教会计算机去除噪声,你需要一张“干净”的照片来展示答案应该是什么样子。但在天文学中,我们永远没有深空微弱星系的“干净”照片;这正是我们要拍摄照片的原因!

ASTERIS 是自监督的。它自我学习。

  • 类比:想象你有两组各 8 张照片。你告诉计算机:“用 A 组来猜测真实图像的样子,并用 B 组来检查你的猜测。”由于真实的星系同时存在于两组中,而噪声各不相同,计算机就能学会忽略噪声并保留星系。它不需要一个“完美”的答案键;它通过将自己的工作与其他照片进行比较来找出答案。

他们发现了什么?

该团队在来自詹姆斯·韦伯太空望远镜(JWST)和昴星团望远镜(位于夏威夷山顶的一台巨型望远镜)的真实数据上测试了这种方法。

  1. 看见不可见之物:他们发现 ASTERIS 能够看到以前看不见的星系。它将“探测极限”提高了约1.0 个星等。在天文学中,这是一件大事——这就像能够看清两倍距离外的蜡烛。
  2. 更多星系,更少错误:当他们寻找最古老、最遥远的星系(宇宙婴儿时期的星系)时,ASTERIS 发现的候选数量是以往方法的三倍
  3. 无模糊:一些旧方法会平滑噪声,但也会使图像模糊,让恒星看起来像模糊的团块。ASTERIS 保持了图像的锐利,保留了星系的真实形状。
  4. 现实世界的证明:他们不仅仅是在假数据上测试。他们将此方法应用于“JADES 起源场”,这是一片极深的天空区域。他们发现了隐藏在静电中的微弱、红色星系。其中一个星系如此遥远(红移约 17),其光线已经旅行了超过 130 亿年。

为何这很重要

这不仅仅是为了制作更漂亮的图片。通过在不模糊图像的情况下清除噪声,ASTERIS 使天文学家能够:

  • 无需等待数月以获取更多望远镜时间,就能观测到更微弱的天体。
  • 以更大的信心研究大爆炸后形成的第一批星系。
  • 区分真实的微弱星系与相机中的随机故障。

简而言之,ASTERIS 就像给天文学家提供了一副眼镜,过滤掉宇宙的“静电”,使他们最终能够听到宇宙最早时刻那微弱的耳语。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →