記者從中國科學院國家天文台獲悉，來自中國科學院國家天文台、中國科學院大學等單位的科研團隊，成功開發出恆星光譜分析人工智能模型——SpecCLIP。這項成果日前發表於《天體物理學報》，標志著我國在天文基礎模型構建方向上邁出了關鍵一步。

恆星光譜常被科學家比作研究宇宙的“指紋”。每一顆恆星的光譜都隱藏著它的“身份信息”：溫度、化學成分以及表面重力。通過分析這些“化學印記”，天文學家可以像考古學家復原歷史一樣，追溯銀河系從誕生至今的演化歷程。

然而，現實研究面臨一個不小的難題：不同的巡天項目，比如中國的郭守敬望遠鏡（LAMOST）和歐洲的蓋亞（Gaia）衛星，獲取光譜數據的方式、分辨率和波段范圍各不相同。這些數據就像用不同方言講述的故事，很難直接放在一起進行大規模分析。

SpecCLIP模型的誕生，正是為了打破這個數據壁壘。研究團隊創新性地將類似大語言模型的思路引入天文領域，通過對比學習的方法，讓AI自動學習並建立不同來源光譜數據之間的內在聯系。

論文通訊作者、中國科學院大學副教授黃樣解釋：“SpecCLIP就像一位‘翻譯官’，它能將LAMOST的低分辨率光譜和Gaia的高精度光譜，轉換成同一種‘通用語言’。這樣一來，科學家就能輕鬆地對它們進行聯合分析，實現跨儀器、跨巡天項目的數據對齊與轉換。”

更重要的是，SpecCLIP並非只能完成單一任務的“專才”，而是一個接近基礎模型的“通才”。它不僅能一次性預測恆星的大氣參數和元素含量，還能進行光譜相似性搜索，甚至幫助發現特殊的天體。這種能力在銀河考古學中尤為關鍵，它有望從海量數據中高效地篩選出極其稀有的、金屬含量極低的古老恆星，為研究銀河系早期的形成與並合歷史提供關鍵線索。

基於強大的數據統一表征能力，SpecCLIP已在多項前沿科學探索中發揮作用。例如，在搜尋“第二地球”的“地球2.0（ET）”任務中，它能精確刻畫行星寄主恆星的特征，從而提升潛在宜居行星的篩選效率。同時，在銀河系演化研究方面，它也為上百萬顆恆星年齡的統一、精確測量提供了新的技術路徑，為重建銀河系的“成長史”帶來了更大規模的數據支撐。

隨著LAMOST、Gaia以及未來更多大型巡天項目不斷產生海量數據，天文學正從單一任務模型時代逐步邁向基礎模型時代。黃樣說，SpecCLIP模型展示了人工智能在處理融合海量天文數據方面的巨大潛力。它不僅架起了一座連接不同觀測系統的橋梁，更有望推動人類對銀河系結構與演化歷史的認識邁向更高精度。（記者陸成寬）