在天文学领域，观测宇宙早期天体始终面临重大挑战。受制于极低信噪比环境，传统望远镜难以捕捉百亿光年外暗弱星系的光信号。清华大学自动化系与天文系联合团队通过创新性技术攻关，成功突破该观测瓶颈。 研究团队发现，现有深空图像中约60%的有效光子信号被天光背景噪声和仪器热噪声掩盖。针对这一难题，团队开发出具有自主知识产权的光度自适应筛选系统，通过构建时空光三维重构模型，实现对噪声与目标信号的精准分离。实验数据显示，新技术使韦布望远镜的探测灵敏度提升至28.5星等，相当于在1.5万米高空识别地面烛光的强度。 此次发现的160余个候选高红移星系，其红移值普遍超过12，对应宇宙年龄仅为当前宇宙的2%-3%。这些"宇宙婴儿期"的天体记录着第一代恒星诞生的关键信息。论文通讯成员指出，该发现将帮助科学家重新校准星系形成理论模型，特别是对暗物质分布与早期恒星化学组成的认知。 技术层面，研究团队首创的联合建模方法具有两大突破：一是采用动态阈值算法处理光子级信号，使有效数据提取率提升40%；二是建立噪声-信号耦合数据库，通过机器学习优化实现实时噪声抑制。目前，该技术已应用于我国巡天空间望远镜的预研项目。 展望未来，这项技术将推动多波段联合观测的发展。随着中国空间站巡天望远镜（CSST）即将投入运行，新技术有望助力发现红移15以上的原始星系群，为揭示宇宙"黑暗时代"的终结机制提供直接证据。国际天文联合会专家评价称，此项研究"开辟了极端环境下的观测新范式"。
深空探索的边界，正在从“望远镜能看到什么”延伸到“数据能读出什么”。“星衍”所代表的观测增强思路说明了交叉创新的价值，也提示我们：面对宇宙黎明等重大科学问题，硬件能力、数据方法与验证体系需要同步推进。只有持续打通算法、观测与物理解释之间的闭环，才能将“更深更准”的图像转化为“更真更可靠”的发现。