在浩瀚宇宙中，超新星爆发、伽马射线暴、引力波对应体等“天文瞬变”现象，如同夜空中一闪而过的烟花，承载着宇宙演化的关键信息。然而，天文学家一直面临一个棘手难题：当望远镜捕捉到短暂的亮度变化时，如何确认这究竟是一颗真实的天体事件，还是由人造卫星反射阳光、仪器噪声或大气扰动造成的“伪影”？近日，一项发表于《天文物理期刊》的研究提出了一种创新解决方案——利用光学像差（Optical Aberrations）来区分真实瞬变与虚假信号，为天文观测开启了一扇全新的大门。
光学像差：从“缺陷”到“指纹”
光学像差是指透镜或反射镜系统在成像过程中，因光线无法完美汇聚于一点而产生的图像畸变现象。常见类型包括球差、彗差、像散、场曲和畸变等。在过去，像差被视为光学设计的“敌人”，需要通过各种复杂手段加以矫正。但来自加州大学伯克利分校和劳伦斯伯克利国家实验室的研究团队却反其道而行之，将像差转化为一种“独特的指纹”。
研究团队发现，真实天文瞬变（如超新星、小行星或变星）的光线在穿过望远镜光学系统时，会与背景星像产生一致性的像差特征。这是因为天体信号与周围恒星的光线经历了完全相同的光学路径和像差效应。相反，伪信号（例如低轨道卫星反射的太阳光、飞机灯光、探测器上的宇宙射线事件）往往来自非平行光或短时标、不连续的入射，其像差模式与背景恒星截然不同，甚至根本不遵循光学系统的点扩散函数（PSF）规律。
深度学习算法“解码”像差模式
为了将这一理论转化为实用工具，研究人员构建了一个基于卷积神经网络的分类模型。该模型被训练识别由光学系统特定像差产生的强度分布模式。“我们就像给每一颗望远镜‘指纹’建档，”论文第一作者、博士后研究员陈雨桐解释道，“真实瞬变在CCD图像上呈现的弥散斑形状，与望远镜自身的像差特性高度耦合；而假目标则像‘外来入侵者’，其形状、边缘特征与背景星像格格不入。”
在模拟测试中，该算法对真实瞬变的识别准确率达到了98.7%，对伪信号的误报率降至0.3%以下。更令人振奋的是，该方法无需额外硬件改造，仅需利用现有望远镜的点扩散函数模型，即可通过软件升级实现。这意味着全球各地的天文台站——从地基广角巡天望远镜（如ZTF、LSST）到空间望远镜（如开普勒、TESS）——都有可能立即受益。
破解“卫星潮”与海量数据过滤难题
当前，低轨道卫星数量激增（如星链计划已部署超过6000颗），其反射太阳光造成的闪光在巡天图像中大量出现，严重干扰了瞬变事件搜索。传统筛选方法需要人工检查或依赖简单的亮度/运动轨迹判据，效率低下且容易遗漏。新方法提供了自动化、高可靠性的筛选机制。“一颗时速3万公里的卫星快速划过视场，其像差特征与静止恒星完全不同——即使它只存在一两帧，我们的模型也能立刻识别，”合作研究者、天文学家马克·汉密尔顿说。
此外，即将全面运行的大型综合巡天望远镜（LSST）每晚将产生30TB以上的数据，预计包含数百万条瞬变候选信号。利用光学像差作为“第一道过滤器”，可将需要人工核查的数据量减少80%以上，显著加速新天体发现进程。
未来展望：从太阳系到宇宙边缘
这项技术的意义远不止于清除噪声。研究者表示，通过像差特征分析，甚至可能区分不同类型的天文瞬变——例如一颗快速自转的小行星（其不规则形状导致亮度波动带有独特PSF调制）与一颗Ia型超新星（均匀球面膨胀带来的对称像差模式）。“我们正在探索像差与天体物理性质之间的更深层关联，”论文通讯作者、天文学教授珍妮弗·吴表示，“宇宙中每一种瞬变现象，都会在望远镜的多像差成像中留下独特的‘影子’。”
目前，该程序已集成到开源数据分析平台“LightCurve”中，面向全球天文学家免费使用。随着人工智能与光学理论的交叉融合，望远镜的“先天缺陷”正变成探索宇宙的“后天利器”——这或许是天文学史上最有趣的“因祸得福”之一。下一次当我们仰望星空，每一个闪光的瞬间，都将因精密的光学像差“身份证”而不再被误解。