AI可翻译恒星光谱不同“方言”
记者从中国科学院国家天文台获悉，来自中国科学院国家天文台、中国科学院大学等单位的科研团队，成功开发出恒星光谱分析人工智能模型——SpecCLIP。这项成果日前发表于《天体物理学报》，标志着我国在天文基础模型构建方向上迈出了关键一步。
恒星光谱常被科学家比作研究宇宙的“指纹”。每一颗恒星的光谱都隐藏着它的“身份信息”：温度、化学成分以及表面重力。通过分析这些“化学印记”，天文学家可以像考古学家复原历史一样，追溯银河系从诞生至今的演化历程。
然而，现实研究面临一个不小的难题：不同的巡天项目，比如中国的郭守敬望远镜（LAMOST）和欧洲的盖亚（Gaia）卫星，获取光谱数据的方式、分辨率和波段范围各不相同。这些数据就像用不同方言讲述的故事，很难直接放在一起进行大规模分析。
SpecCLIP模型的诞生，正是为了打破这个数据壁垒。研究团队创新性地将类似大语言模型的思路引入天文领域，通过对比学习的方法，让AI自动学习并建立不同来源光谱数据之间的内在联系。
论文通讯作者、中国科学院大学副教授黄样解释：“SpecCLIP就像一位‘翻译官’，它能将LAMOST的低分辨率光谱和Gaia的高精度光谱，转换成同一种‘通用语言’。这样一来，科学家就能轻松地对它们进行联合分析，实现跨仪器、跨巡天项目的数据对齐与转换。”
更重要的是，SpecCLIP并非只能完成单一任务的“专才”，而是一个接近基础模型的“通才”。它不仅能一次性预测恒星的大气参数和元素含量，还能进行光谱相似性搜索，甚至帮助发现特殊的天体。这种能力在银河考古学中尤为关键，它有望从海量数据中高效地筛选出极其稀有的、金属含量极低的古老恒星，为研究银河系早期的形成与并合历史提供关键线索。
基于强大的数据统一表征能力，SpecCLIP已在多项前沿科学探索中发挥作用。例如，在搜寻“第二地球”的“地球2.0（ET）”任务中，它能精确刻画行星寄主恒星的特征，从而提升潜在宜居行星的筛选效率。同时，在银河系演化研究方面，它也为上百万颗恒星年龄的统一、精确测量提供了新的技术路径，为重建银河系的“成长史”带来了更大规模的数据支撑。
随着LAMOST、Gaia以及未来更多大型巡天项目不断产生海量数据，天文学正从单一任务模型时代逐步迈向基础模型时代。黄样说，SpecCLIP模型展示了人工智能在处理融合海量天文数据方面的巨大潜力。它不仅架起了一座连接不同观测系统的桥梁，更有望推动人类对银河系结构与演化历史的认识迈向更高精度。（记者陆成宽）
上一篇：布料里“装空调”有望成真
下一篇：环焊机器人破解桥梁建设施工难题