☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
近日，加州大学圣克鲁兹分校科研团队推出了一款名为 Neo 的新型人工智能算法，专为优化地面望远镜成像质量而设计。该算法通过智能校正大气湍流引发的畸变与模糊，成功将智利薇拉・C・鲁宾天文台所获图像的清晰度提升至接近哈勃等空间望远镜的水平。这项突破不仅大幅增强图像分辨率，更显著加快了天体识别与科学分析的节奏。
薇拉・C・鲁宾天文台地处智利安第斯山脉高海拔地带，干燥少云的环境本就利于天文观测。然而，地球大气层中无处不在的气流扰动仍会严重干扰星光传播路径，导致图像失真、细节丢失。为此，研究团队融合日本昴星望远镜的地基实测数据与哈勃空间望远镜提供的高保真参考图像，对 Neo 模型进行深度训练，使其具备精准重建模糊图像中隐含结构的能力。
实际应用表明，Neo 可将恒星形状、星系光度分布等关键形态参数的测量精度提高 2 至 10 倍，使遥远天体的边缘轮廓与内部结构得以更真实、更精细地呈现。这不仅提升了原始观测数据的空间信息保真度，也为后续建模、分类与演化分析提供了更可靠的基础。
该校天文学教授布兰特・罗伯逊表示，面对新一代巡天项目每晚产生的海量图像，传统处理流程已严重滞后——过去需耗费数年完成的数据校准与特征提取任务，如今借助 Neo 可压缩至数日内完成。他特别强调，AI 并非替代人类天文学家的角色，而是成为其延伸的“数字助手”，让科学家能将更多精力投入科学诠释与理论创新之中。
目前，经 Neo 处理后的高质量天文影像已面向全球科研机构及公众开放共享，支持跨团队协作与公众科学参与。这一技术进展不仅有望加速宇宙学、星系形成等前沿领域的突破，也将切实提升大型天文基础设施的投资效能与科学产出价值。
