作者：論文團隊

編輯丨ScienceAI

在天文大數(shù)據(jù)時代，我們面對的是數(shù)千萬計的恒星光譜，它們?nèi)缤钪媪粝碌摹钢讣y」，記錄著天體的物理性質(zhì)與演化史。然而，不同巡天設備、不同分辨率數(shù)據(jù)之間的「隔離墻」，長期制約著我們對銀河系的全局認知。

來自中國科學院大學、國家天文臺等機構(gòu)的研究團隊正式發(fā)布了 SpecCLIP 框架。這不僅是一個天文學基礎模型，更是一次利用對比學習（Contrastive Learning）打破數(shù)據(jù)壁壘、提升參數(shù)估計極限的成功嘗試。

論文地址：https://doi.org/10.3847/1538-4357/ae2c7e

開源地址：https://github.com/Xiaosheng-Zhao/SpecCLIP

挑戰(zhàn)：為什么傳統(tǒng)流程正遭遇瓶頸？

長期以來，提取恒星大氣參數(shù)（如溫度 Teff、表面重力 log g、金屬豐度 [Fe/H]）主要依賴經(jīng)驗庫或理論模型。但這種模式存在若干痛點，比如：

1. 覆蓋度限制：如 LAMOST 官方的 LASP 流水線，受限于 ELODIE 庫的參數(shù)范圍，難以測量 [Fe/H] < -2.5 的極貧金屬星。

2. 多設備不一致：不同望遠鏡（如 LAMOST 與 Gaia）觀測到的同一顆恒星，往往因為處理算法的不同，被貼上相互矛盾的物理標簽 。

核心技術(shù)：SpecCLIP 的「跨界」煉金術(shù)

SpecCLIP 借鑒了視覺領(lǐng)域 CLIP 模型的靈感，但針對天文數(shù)據(jù)進行了深度定制。

1. 異構(gòu)編碼與掩碼預訓練 (Masked Pretraining)

針對性建模：為 LAMOST（高分辨率、長序列）和 Gaia XP（低分辨率、短序列）設計了不同的編碼器。

掩碼學習：通過隨機遮蓋～45% 的光譜數(shù)據(jù)讓模型進行重構(gòu)預訓練，迫使模型學習光譜線簇之間的深層邏輯，而非死記硬背。

2. 「共享 + 非共享」的嵌入空間 (CLIP-split)

研究者提出了一種創(chuàng)新的 CLIP-split 架構(gòu)。

共享子空間：捕捉跨設備一致的物理信號，用于跨模態(tài)檢索。

特定子空間：保留各設備特有的細節(jié)（如 LAMOST 的視向速度線特征），有效緩解了傳統(tǒng)對比學習容易丟失「非共享信息」的弊端。

深度測評：與官方流水線和原始光譜對比

為了驗證 SpecCLIP 的能力，團隊利用 APOGEE、GALAH 及 DESI 等高精度數(shù)據(jù)作為「真值」進行了嚴苛測評。

1. 突破 [Fe/H] 的測量下限

在與 DESI DR1 的對比中，SpecCLIP 解決了官方 LASP 流水線在金屬豐度 -2.5 附近的「平臺效應」。

表現(xiàn)：模型能穩(wěn)健地延伸至 [Fe/H]} ~ -4.0 的極貧金屬區(qū)域，精度顯著優(yōu)于傳統(tǒng)模板匹配方法。

2. 全參數(shù)性能提升

通過測試集的數(shù)據(jù)對比（見下表），SpecCLIP 各變體在幾乎所有核心指標上都優(yōu)于原始光譜輸入：

3. 極速推理與不確定性量化

效率：利用 MLP 分支，每秒可處理約 1000 顆恒星的光譜，效率遠超傳統(tǒng)物理建模 。

置信度：引入仿真推理（SBI），不僅給出一個數(shù)值，還能給出該參數(shù)的概率分布，讓天文學家在一定程度上知道 AI 有「多大把握」。

科學成果：定位銀河系的「古老心臟」

基于 SpecCLIP 的強大能力，研究團隊在 Gaia 數(shù)據(jù)庫中篩選出了 135,370 顆極貧金屬星候選體（-5 < [Fe/H] < -3）。

這些恒星在空間分布上展現(xiàn)出了有趣的規(guī)律：它們緊密圍繞在銀河系中心附近，構(gòu)成了一個「金屬貧瘠的老心臟 (old heart)」。這一發(fā)現(xiàn)和稍早的相關(guān)工作相符，有望為研究銀河系早期的化學演化和結(jié)構(gòu)形成提供極為珍貴的化石樣本 。

結(jié)語：通向萬物對齊的天文學

SpecCLIP 的成功不僅在于參數(shù)估計的精準，更在于它提供了一種「光譜翻譯」的可能性 。未來，該框架計劃擴展至中分辨率光譜（LAMOST MRS）、紅外光譜（APOGEE）等更多模態(tài) 。

這種「萬物皆可對齊」的思路，正帶領(lǐng)天文學研究從單設備、單任務的傳統(tǒng)模式，跨入大規(guī)模 AI 驅(qū)動的「星海大發(fā)現(xiàn)」時代 。