穿过满墙的星系图和星轨图交织的办公室，记者见到了太原理工大学物理与光电工程学院教授贾鹏。圆圆的脸庞，在一副黑框眼镜的衬托下，散发着独有的儒雅气质。“我从事天文研究有两个原因：一是小时候就常去科技馆阅读书籍，对探索很感兴趣。二是读博期间，在导师苏定强的影响下，开始专注天文学研究，并希望将研究服务更多人。”贾鹏对记者说。

2013年博士一毕业，贾鹏毅然决然地踏上了归途，将梦想的种子播撒在家乡。彼时，他的“科研阵地”不过是一个工作站与一张办公桌，条件虽简，却未阻其志。“得益于工作单位配备的工作站与虚拟天文台慷慨提供的共享数据，我得以掌握天文光学技术的最新资讯与观测数据，从而在数据处理与仪器模拟研究中大展拳脚。”贾鹏说。尤为关键的是，博士期间的师承与科研训练，为他奠定了坚实的数学、物理及天文基础，使他善思善行。

贾鹏在工作实践中敏锐地意识到，大光学望远镜作为天文学探索的“锐利之眼”，随着光学望远镜口径的不断扩大，以及自适应光学、成像光谱仪等前沿技术的融入，科学家不仅收获了丰富的天文观测数据，还获取了大量仪器测控数据。他介绍道：“通过数值模拟，将测控数据与科学数据有机融合，进行技术研究，一方面可深化科学家对仪器的认知，进而优化仪器性能；另一方面，测控数据亦能反哺科学数据处理，实现数据价值的最大化。”

在此理念引领下，贾鹏组建了智能光学成像团队，在光学望远镜与图像处理领域自由探索、勇攀高峰。针对大气湍流对望远镜观测的干扰，团队研发了高速高精度的大气湍流模拟方法，并创新性地提出了基于聚类的大气湍流廓线分类与建模策略，构建了台址测量数据与望远镜性能模拟评估的桥梁。此外，团队还利用深度学习技术，针对存在大气扰动与望远镜状态误差的情况，建立了望远镜不同视场点扩散函数（PSF）的建模方法，并成功应用于图像复原与望远镜状态评估。这时，贾鹏团队面临另一个挑战是：如何让天文学家相信本次算法的结果，以及如何让更多天文学家和公众从本次成果中受益？为此，课题组搭建了一个名为galaxycircus的网站和相关微信小程序，并多次组织科普活动，邀请青少年参与科学研究工作。在这个过程中团队解决了平台的易用性问题，通过设计简洁明了的用户网页界面，降低了平台的使用门槛。其次，团队针对天文应用设计了相关的数据集、网络训练工具和损失函数设计工具，让本次算法能够实现远远优于传统算法的效果。研究人员表示，本次成果将用于多个领域，并成为筑牢专业化天文数据技术及促进知识普及工作的研发平台。

先验知识智能成像“源密码”人类的天文观测总是基于一定的先验知识进行。在智能成像领域，“先验知识”更是不可或缺的智能要素，对于提升大光学望远镜的数据质量具有举足轻重的作用。“我们课题组在这一领域进行了深入探索，发现经验丰富的天文学家都是能够凭借对海量文学图片的直接观察和直观感受，推测出模糊图像的原始形态，所以我们从中受到启示，相似的天文目标可能因相似的物理过程而产生相似的图像。”贾鹏说，基于此，课题组构建了数据驱动的图像重建方法，即以少量高分辨率图像为参照，有效提升图像质量。

基于这些优质资源，贾鹏及其智能成像小组明确了未来的工作方向：团队计划利用机器学习与数值模拟技术，将实测数据导入光电系统模拟中，实现望远镜系统的数字孪生，为仪器数据的规整与汇集提供有力支撑；与此同时致力于提升现有智能应用算法的性能，降低人工干预与标记数据的需求，同时提高算法的工程化水平。在数据上云的基础上，将算法转化为服务，为全民科学的普及与发展贡献力量。

王俊丽

(责编：马云梅、刘_洋)