近日，加州大学圣克鲁兹分校的研究团队开发了一款名为 Neo 的人工智能算法，旨在提升地面望远镜拍摄图像的质量。通过消除大气湍流造成的模糊，Neo 模型使得智利的薇拉・C・鲁宾天文台所拍摄的图像清晰度达到了太空望远镜的水准。这一创新技术不仅提升了图像的分辨率，还显著加速了天文发现的进程。
薇拉・C・鲁宾天文台坐落于智利安第斯山脉的高海拔区域，周围的干燥气候为天文观测提供了理想条件。尽管如此，光线在穿过地球大气层时，仍然会因湍流而造成图像模糊。为了解决这个问题，研究团队利用日本昴星望远镜的观测数据和哈勃空间望远镜的图像，训练出 Neo 算法，以便修复地面拍摄图像中的缺失细节。
Neo 模型的应用效果显著，它能够将天体形态参数的测量准确度提升 2 到 10 倍，从而让科学家能够更清晰地分辨出遥远恒星和星系的轮廓。这项技术不仅提高了观测数据的空间成像质量，也为科研人员提供了更高效的数据分析工具。
加州大学的教授布兰特・罗伯逊指出，这项新技术能够大大缩短数据分析的时间，尤其是面对海量观测数据时。传统的方法已无法跟上数据生成的速度，而 Neo 算法能在数天内完成原本需要数年的分析工作。他强调，人工智能并不会取代天文学家，而是为他们提供支持，帮助他们更快地进行科学发现。
目前，经过算法处理后的天文图像已经向其他科研团队和公众开放，供他们进行进一步研究。这一突破性的技术无疑将推动天文学研究的发展，并实现对尖端设备的投资回报最大化。
