人工智能（AI）正成為人類破解宇宙奧秘的“智慧伙伴”。日前，在瑞士日內(nèi)瓦舉辦的2025年人工智能向善全球峰會上，之江實(shí)驗(yàn)室聯(lián)合中國科學(xué)院國家天文臺研發(fā)的OneAstronomy天文領(lǐng)域大模型，成功入選“人工智能向善創(chuàng)新實(shí)踐案例集”。

在“AI＋天文”的探索征程中，中國既收獲了亮眼成果，也直面發(fā)展瓶頸，更在謀劃著數(shù)據(jù)、算法與實(shí)驗(yàn)協(xié)同的未來路徑。中國科學(xué)院國家天文臺研究員羅阿理近日接受科技日報(bào)記者采訪時(shí)說，要推動AI深度賦能天文研究，需進(jìn)一步加強(qiáng)國際合作，共建天文大模型社區(qū)和遍布全球的觀測設(shè)施，共享天文數(shù)據(jù)和基礎(chǔ)設(shè)施，共同發(fā)展基于AI的天文教育和公眾天文學(xué)。

天文研究迎來范式革命

現(xiàn)代天文觀測已進(jìn)入“大數(shù)據(jù)時(shí)代”，傳統(tǒng)研究模式面臨嚴(yán)峻挑戰(zhàn)。大型巡天望遠(yuǎn)鏡每年產(chǎn)生的拍字節(jié)（PB）級數(shù)據(jù)，若依靠人工分析，即便耗費(fèi)數(shù)年也難以完成篩選與解讀。AI為天文研究帶來了全方位“智能革命”，“智能鑰匙”正在打開宇宙探秘新空間。

“AI對天文研究的賦能，首先體現(xiàn)在高效處理海量數(shù)據(jù)方面?！绷_阿理說，面對復(fù)雜的宇宙數(shù)據(jù)，AI算法如同不知疲倦的“篩選員”，能快速完成搜索、分類與異常檢測等基礎(chǔ)工作。無論是從繁雜數(shù)據(jù)中精準(zhǔn)識別黑洞、中子星等特定天體，還是捕捉脈沖星、快速射電暴等罕見的宇宙信號，或是從海量觀測數(shù)據(jù)中回歸物理參量，AI的處理效率都遠(yuǎn)超人類，能為科學(xué)家節(jié)省大量時(shí)間。在提高觀測效率層面，AI的優(yōu)勢同樣突出。它好比一位“智能調(diào)度員”，能實(shí)時(shí)整合天氣狀況、科學(xué)目標(biāo)優(yōu)先級等多維度信息，動態(tài)調(diào)整望遠(yuǎn)鏡的觀測計(jì)劃，讓昂貴的觀測設(shè)備始終聚焦于價(jià)值較高的研究目標(biāo)，最大化實(shí)現(xiàn)科學(xué)產(chǎn)出。

“在規(guī)律發(fā)現(xiàn)與理論分析領(lǐng)域，AI也大有可為?！绷_阿理舉例說，無監(jiān)督學(xué)習(xí)算法能挖掘人類難以察覺的數(shù)據(jù)關(guān)聯(lián)，通過綜合分析恒星光變曲線與多波段數(shù)據(jù)，精準(zhǔn)預(yù)測超新星爆發(fā)等瞬變現(xiàn)象。在宇宙學(xué)模擬中，AI可大幅加速復(fù)雜模型的運(yùn)算過程，降低計(jì)算成本，同時(shí)從模擬數(shù)據(jù)中提取深層信息，為檢驗(yàn)宇宙起源、星系演化等理論模型提供有力支撐。

目前，我國在“AI＋天文”領(lǐng)域的成果已實(shí)現(xiàn)多維度覆蓋。羅阿理介紹，在復(fù)雜天文問題的推理能力方面，OneAstronomy大語言模型超過通用大模型；中國科學(xué)院國家天文臺聯(lián)合阿里云開發(fā)的全球首個(gè)太陽模型“金烏”專注于太陽活動預(yù)報(bào)；由中國科學(xué)院自動化研究所與中國科學(xué)院國家天文臺聯(lián)合研發(fā)的FLARE模型，通過整合恒星的物理屬性和歷史耀發(fā)記錄，提升了從光變曲線中提取特征的能力，預(yù)測準(zhǔn)確率超過70％，顯著優(yōu)于其他傳統(tǒng)模型。

發(fā)展應(yīng)用面臨多重挑戰(zhàn)

盡管AI為天文研究帶來革命性突破，但這條探索之路并非坦途?！皬臄?shù)據(jù)處理到人才培養(yǎng)，從算法優(yōu)化到資源配置，多重挑戰(zhàn)交織，限制著天文AI技術(shù)進(jìn)一步發(fā)展與應(yīng)用?！绷_阿理說。

來自數(shù)據(jù)層面的挑戰(zhàn)尤為突出。隨著下一代大型觀測設(shè)備如SKA（平方千米陣列射電望遠(yuǎn)鏡）、LSST（大口徑全景巡天望遠(yuǎn)鏡）的陸續(xù)建成，宇宙數(shù)據(jù)將從PB級邁入艾字節(jié)（EB）級時(shí)代，這對數(shù)據(jù)的存儲、傳輸、處理與融合能力提出前所未有的要求。更嚴(yán)峻的是，AI模型本身的訓(xùn)練與迭代需要消耗巨量計(jì)算資源，數(shù)據(jù)規(guī)模的擴(kuò)張與計(jì)算需求的增長形成雙重壓力，讓科研機(jī)構(gòu)面臨沉重的資源負(fù)擔(dān)。

算法與模型的可解釋性困境，成為阻礙AI深度應(yīng)用的核心障礙。羅阿理解釋說，天文學(xué)作為以發(fā)現(xiàn)物理規(guī)律為目標(biāo)的基礎(chǔ)學(xué)科，不僅需要知道“是什么”，更需要明確“為什么”。但當(dāng)前主流的端到端深度學(xué)習(xí)模型常被視為“黑箱”，當(dāng)AI發(fā)現(xiàn)奇特天體或異?，F(xiàn)象時(shí)，科學(xué)家往往難以追溯其判斷依據(jù)。更關(guān)鍵的是，模型輸出的結(jié)果可能違背能量守恒等基本物理定律，若無法將物理先驗(yàn)知識有效嵌入模型，結(jié)果的科學(xué)性與可信度將大打折扣，難以轉(zhuǎn)化為公認(rèn)的科學(xué)理論。

基礎(chǔ)設(shè)施與資源的失衡則進(jìn)一步加劇了發(fā)展鴻溝。訓(xùn)練前沿天文AI大模型需要龐大的GPU（圖文處理器）集群支撐，前期投入與維護(hù)成本高達(dá)數(shù)億元，這對多數(shù)中小科研機(jī)構(gòu)而言難以承受。同時(shí)，部分天文模型的非開源模式，限制了技術(shù)共享與協(xié)同創(chuàng)新，使有限的資源難以形成研究合力，阻礙了行業(yè)整體發(fā)展。

羅阿理說，人才短板與范式?jīng)_突構(gòu)成了更深層次的挑戰(zhàn)。同時(shí)精通天文學(xué)與AI的復(fù)合型人才極度稀缺，天文學(xué)家往往缺乏編程與機(jī)器學(xué)習(xí)能力，AI專家則大多欠缺天體物理專業(yè)知識，跨學(xué)科協(xié)作常常陷入“雞同鴨講”的困境。此外，傳統(tǒng)天文學(xué)研究基于“假設(shè)—觀測—建?！?yàn)證”的范式，而AI采用“數(shù)據(jù)驅(qū)動”的探索模式，這種范式差異導(dǎo)致部分學(xué)者對AI結(jié)果持懷疑態(tài)度，難以形成行業(yè)共識。同時(shí)，當(dāng)前學(xué)術(shù)評價(jià)體系對天文AI基礎(chǔ)研究的價(jià)值認(rèn)可度不足，相關(guān)研究成果的學(xué)術(shù)權(quán)重往往難以與傳統(tǒng)論文等同，這在一定程度上削弱了科研人員投身此類基礎(chǔ)工作的積極性。

構(gòu)建智能科研生態(tài)系統(tǒng)

在羅阿理看來，破解AI賦能天文研究的多重困境，核心在于推動數(shù)據(jù)、算法、模型、觀測的深度協(xié)同，構(gòu)建動態(tài)閉環(huán)、自我優(yōu)化的智能科研生態(tài)系統(tǒng)。

羅阿理說，構(gòu)建協(xié)同生態(tài)，首先需要打造全球一體化的感知與數(shù)據(jù)體系。在觀測設(shè)施建設(shè)上，應(yīng)推動國際合作共建天地一體化的具身智能望遠(yuǎn)鏡網(wǎng)絡(luò)，整合地面觀測站與空間探測設(shè)備的資源優(yōu)勢，實(shí)現(xiàn)對宇宙的全方位、全天候監(jiān)測。依托AI大模型與觀測智能體，可對全球觀測設(shè)施進(jìn)行統(tǒng)一調(diào)度，根據(jù)科研需求動態(tài)分配觀測資源；同時(shí)建立開放共享的數(shù)據(jù)平臺，打破國家與機(jī)構(gòu)間的數(shù)據(jù)壁壘，推動多波段、多維度的多源異構(gòu)天文數(shù)據(jù)互聯(lián)互通，為AI模型提供高質(zhì)量、全覆蓋的訓(xùn)練素材。

“在核心科研流程中，需構(gòu)建AI驅(qū)動的閉環(huán)創(chuàng)新體系，將AI大模型作為科研‘大腦’，使其深度參與從數(shù)據(jù)分析到實(shí)驗(yàn)觀測驗(yàn)證的全流程?！敝袊茖W(xué)院國家天文臺研究員李楠建議，可通過對海量數(shù)據(jù)的智能解讀生成科學(xué)假設(shè)，結(jié)合歷史數(shù)據(jù)預(yù)測高價(jià)值觀測目標(biāo)，調(diào)度觀測設(shè)施進(jìn)行智能化觀測，再將新的觀測結(jié)果反饋至模型進(jìn)行迭代優(yōu)化，形成“假設(shè)生成—觀測處理—推理驗(yàn)證”的自動循環(huán)。這種閉環(huán)模式能將科學(xué)家從繁瑣的數(shù)據(jù)處理中徹底解放出來，使其專注于理論構(gòu)建等高層級科學(xué)思考，大幅提升研究效率。

突破資源與人才瓶頸，同樣需要強(qiáng)化跨領(lǐng)域、跨國界的合作與共享。羅阿理認(rèn)為，在資源配置上，應(yīng)推動專業(yè)天文機(jī)構(gòu)與頂尖科技企業(yè)、多學(xué)科科研院所建立利益共享機(jī)制，通過聯(lián)合研發(fā)、資源共建等方式破解算力難題；同時(shí)加快天文AI模型的開源進(jìn)程，打造全球共享的模型社區(qū)，降低中小機(jī)構(gòu)的參與門檻。在人才培養(yǎng)方面，需構(gòu)建跨學(xué)科教育體系，在高校開設(shè)天文與AI交叉專業(yè)，培養(yǎng)兼具專業(yè)素養(yǎng)與技術(shù)能力的復(fù)合型人才；通過國際學(xué)術(shù)交流、聯(lián)合攻關(guān)等方式，促進(jìn)全球人才資源的流動與協(xié)作。