ASTERIS：利用自监督时空 Transformer 重新定义天文成像探测极限

Executive Summary

TL;DR：清华大学研究团队及其合作者推出了一种名为 ASTERIS 的深度学习算法，它标志着天文信号处理从简单的“多帧平均”向“时空特征智能融合”的跨越。通过自监督学习多重曝光图像间的物理相关性，ASTERIS 在保持图像忠实度的同时，能将詹姆斯·韦布空间望远镜（JWST）的探测深度提升约 1.0 个星等。这意味着我们能以更短的观测时间，看到更深邃、更暗弱的宇宙早期星系。

背景定位：该工作是天文图像处理领域的 SOTA (State-of-the-Art) 断层式进步。它不仅在去噪能力上超越了现有的通用深度学习工具（如 Restormer, BM4D, N2N），更重要的是在天文学最苛刻的“光度精度”和“分辨率保持”上通过了严苛的科学验证。

痛点深挖：为何盲目堆叠曝光时间终将失效？

在天文观测中，为了看清遥远的暗弱天体，天文学家通常采取多重曝光（Dithering Strategy）并进行中位数或平均值堆叠（Co-addition）。其理论基础是：如果噪声是独立同分布（i.i.d.）的，信号信噪比（S/N）会随曝光数量 $M$ 的开方 $\sqrt{M}$ 增长。

然而现实是残酷的：

1. 噪声并非独立：由于望远镜的 PSF 扩散、复杂的仪器电子学背景和大气湍流，相邻像素和连续曝光之间存在强物理相关性。
2. 效率瓶颈：随着深度增加，追求更暗星等所需的曝光时间呈指数级上升。提升 1 个星等在传统模式下可能意味着让 JWST 观测一个月。
3. 精度与分辨率的权衡：传统平滑算法（Gaussian Smoothing）能去噪，但会导致图像“糊掉”，抹杀关键的形态特征。

Methodology：ASTERIS 的三位一体策略

ASTERIS 的核心直觉在于：背景噪声并非完全随机，而是可以学习的结构化物理现象。

1. 网络架构：3D-MDTA 模块

ASTERIS 基于 3D U-Net 框架，集成了受 Restormer 启发的 3D 多解耦头转置注意力（3D-MDTA）块。这不仅能捕捉空间上的局部连接性，还能利用 Transformer 的长程依赖性，从多帧曝光中提取跨时间的特征，从而区分真正的暗弱源与虚假的噪声涨落。

图 1：ASTERIS 的神经网络架构，展示了从空间和时间维度同时提取特征的层级结构。

2. 双重监控的自监督学习

算法不需要“干净的真值（Ground Truth）”进行训练。它巧妙地将 16 次曝光分为输入集和目标集：

• Average Loss (MSE)：确保堆叠后的图像在统计期望上向真实信号收敛。
• Frame Loss (MAE)：通过像素级 $L_1$ 约束，增强对宇宙射线等异常值的鲁棒性。

3. 3σ-Clipping 动态阈值去噪

为了保护明亮天体（高 S/N 区域）不被神经网络引入偏置，ASTERIS 仅在流量低于 3σ 的背景区域工作。去噪后的暗部再与原汁原味的亮部重新整合，确保了科学观测所需的 动态范围（Full Dynamic Range）。

实验与结果：星系普查的质变

在对 JWST NIRCam 数据的测试中，ASTERIS 展现了压倒性的优势：

• 性能指标：在 90% 的完备度（Completeness）水平下，ASTERIS 比标准堆叠法提升了 1.0 mag 的探测限。
• 科学保真：两样本 Kolmogorov–Smirnov (K-S) 检验显示，ASTERIS 处理后的 PSF 与原图无统计学差异（p=0.9），证明其没有造成空间分辨率退化。

图 2：在真实 JWST 观测中的验证。相比传统方法（A），ASTERIS（B）清晰地还原了 168 倍曝光深度的地面真值（C）中的几乎所有暗弱细节。

在 JADES Origins Field 的应用中，该团队找到了 162 个高红移星系候选者，这一数字是之前基于相同数据工作的 3 倍。通过 ASTERIS，很多原本在滤光片边缘显得模糊不清的“Dropouts”特征变得坚实，极大缓解了红移判别中的二义性。

深度洞察：天文学即刻进入算法增益时代

ASTERIS 的意义不仅在于算法的精妙，它揭示了天文图像处理的一个范式转移：算法不仅仅是后期美化，它通过挖掘此前被由于算力所限而被忽略的物理冗余信息，直接定义了望远镜的“视力”。

局限性：由于架构设计，算法需要偶数个输入曝光，且对不同仪器的噪声特性有一定依赖性（需要迁移学习或重新训练专用模型）。

未来展望：随着该算法在 Subaru 等地面望远镜上的成功移植，未来即便是在大气条件恶劣的环境下，我们也有望通过时空降噪技术，实现足以媲美空间观测的成像质量。

结论

ASTERIS 告诉我们：星空的广度不仅取决于望远镜口径的大小，更取决于我们理解和处理光子的智慧。