从远古宇宙深处传来的微弱光芒，正被人类的智慧与工具一一捕捉。欧洲航天局的欧几里得空间望远镜，仅用一年多的常规观测，就一次性发现了31个古老类星体，其中两个更是刷新了人类观测史上最古老类星体的纪录——它们的光线来自宇宙诞生后仅约6.7亿年，那时的宇宙还不到现在的5%。这个激动人心的AI新闻背后，是AI技术对天文大数据的革命性赋能，也是最新科技与基础科学深度耦合的典范。
AI如何革新天文学？从数据洪流中捕获微弱信号
天文学早已进入数据驱动的时代。仅欧几里得望远镜的广域巡天任务，就将覆盖全天超过三分之一的区域，产生的数据量级以PB计。面对如此庞大的数据流，传统人工筛选方法无异于大海捞针——更何况早期类星体的光线极其微弱，极易被更近的恒星光芒干扰。这时候，AI技术展现出无可替代的价值。
近年来，射电望远镜、光学巡天项目都开始大规模部署机器学习算法，用于自动识别候选天体。欧几里得望远镜搭载的观测系统在采集数据后，会经过多层预处理，其中核心环节是使用深度神经网络对光谱和图像进行特征提取。这些模型经过数百万个已知天体的训练，能够从噪声中精准识别类星体特有的发射线。值得注意的是，研究者还引入了大模型训练的思路，将预训练模型迁移到红移值极高的远古类星体识别任务上，大幅提升了搜索效率。
正是这种最新科技的应用，使得天文学家在短短一年多时间里，就发现了此前耗费十多年才找到的同等数量级的高红移类星体。论文第一作者杨大明指出，欧几里得望远镜之所以能发现比以往更微弱的类星体，除了望远镜本身的红外观测能力，还得益于AI图片生成式的图像增强算法——它像还原模糊照片一样，对遥远天体的原始光线进行重构，让隐藏的信号浮现出来。
31个古老类星体：AI立下大功
这31个类星体全部来自欧几里得广域巡天（Euclid Wide Survey）的早期数据。研究团队利用AI筛选流水线，将望远镜拍摄的数十亿个光点逐一比对。首先，基于红移估计算法，模型会初步过滤掉大部分低红移的光源；然后，针对红移候选体，使用卷积神经网络对光谱轮廓进行精细分类，剔除恒星、星系等干扰源。最终，经过人工复核，确认了31个真正的类星体，其中14个红移值达到或超过7，对应光线来自宇宙年龄约7.5亿年或更早。
这个AI新闻背后，还有一个有趣的细节：AI工具导航在天文社区中越来越受欢迎。研究者们常常通过开源工具平台快速部署定制化的识别模型，而不是从零编写代码。比如，荷兰莱顿大学的团队就使用了一种名为“DeepZ”的自动红移测量工具，它基于生成式AI对光谱进行插值和去噪，让红移值估算更加准确。
相比之下，过去十多年，天文学家只发现了大约10个红移超过7的类星体。现在，欧几里得单次巡天就将这个数字翻倍以上。这意味着，人类对早期宇宙中超大质量黑洞和星系形成过程的认知，正在被AI技术以前所未有的速度推进。研究团队已经计划下一步搜寻红移超过8的类星体（对应宇宙诞生后约6.3亿年），并利用詹姆斯·韦布空间望远镜和ALMA进行后续观测。
刷新纪录：宇宙诞生6.7亿年的类星体
在31个新发现的类星体中，有两个格外引人注目。编号EUCL J172902.75+641018.1的类星体红移值为7.77，另一颗EUCL J125308.55+705432.3红移值为7.69，均超过130亿光年之外。此前的最古老纪录是2021年发现的红移7.64的类星体，如今在短短几年内就被连续打破。
这些类星体处在宇宙再电离纪元（Epoch of Reionisation）——一个从“黑暗时代”步入光明宇宙的关键过渡期。研究团队中的安东尼奥·拉马尔卡表示，这些发现将已知红移≥7的类星体总量增加了一倍多，为理解早期宇宙中气体如何发生相变、第一批恒星如何点燃提供了重要线索。
特别值得一提的是，第二古老的类星体（红移7.69）已经被进行了详细的后续观测。研究人员西尔维娅·贝拉迪塔及合作者发现，它被包裹在一个充满尘埃和气体的星系中，该星系正在以极高的速率孕育新生恒星。这种“活跃星系核+星暴星系”的组合，印证了超大质量黑洞与宿主星系协同演化的理论模型——而该模型本身就是在企业数字化转型的背景下，借助大规模数值模拟和AI参数优化才得以完善的。
再电离纪元与AI的交叉探索
再电离纪元是宇宙演化中最神秘的阶段之一。在此之前，宇宙充斥着中性氢原子，处于寒冷黑暗的状态；随后，第一批恒星和星系发出的电离辐射逐渐将中性氢瓦解，宇宙才变得透明。类星体作为这一时期最明亮的天体，其光谱中的吸收线特征直接反映了再电离进程。
然而，要精确还原这一过程，需要处理极复杂的物理过程：辐射转移、气体动力学、暗物质分布等。传统解析方法难以覆盖所有维度，最新科技——例如物理信息神经网络（PINN）和基于Transformer的时间序列模型——正被用于构建更精确的宇宙演化模拟器。欧几里得团队的数据也将被整合到这类模型中，进一步约束再电离的持续时间与模式。
同时，AI技术也在帮助解决类星体宿主星系的识别难题。由于类星体本身极其明亮，常常掩盖其所在星系的光，需要借助算法将二者分离。抠图和背景去除技术在天文图像处理中有着类似的应用逻辑——虽然日常中我们用它来给照片去底，但在天文学中，同样的数学原理可以用来去除类星体的强光干扰，露出背后星系的微弱结构。
未来展望：AI+天文将走向何方？
欧几里得望远镜的发现只是开始。根据欧洲航天局规划，该望远镜将通过对数十亿个星系的观测，研究宇宙的组成、历史、演化及大尺度结构。在这一过程中，它还将揭示更多遥远的类星体和“暗宇宙”的秘密。
AI技术在这一领域的渗透正在加深。例如，天文学家已经开始尝试使用AI Agent技术——自主智能体能够在数据中发现异常模式并主动触发后续观测。想象一下，AI Agent在扫描欧几里得数据时，突然捕捉到一个红移值可能超过8的候选体，然后自动调度望远镜进行跟踪验证，这将是未来十年天文研究的常态。
此外，AI工具导航类平台也为非专业研究者提供了便利。任何天文爱好者都可以通过网页端上传自己的深空照片，利用内置的AI模型获取天体的红移估计。这种“平民化”的趋势，正在让更多群体参与到最新科技的探索中。
回到本次发现本身：它证明了AI技术不仅能在购物推荐、内容生成等消费领域发光发热，更能在基础科学的最前沿，帮助人类揭开宇宙最深处的面纱。下一个AI新闻，或许就是欧几里得望远镜利用AI发现的红移8.5类星体，那时宇宙才刚刚度过婴儿期。
对于普通读者来说，AI画图工具可以用来生成你想象中的类星体艺术图，而藏头诗生成器则能帮你写一首关于宇宙的诗——这些日常应用与望远镜里的AI算法共享着相同的技术基石。当深度学习不断进化，最遥远的星光与最贴近生活的工具，终将交汇在同一个数字世界。