詹姆斯·韦伯太空望远镜（JWST）自2022年传回首批数据以来，天文学家们面临了一个意想不到的挑战：图像中的星系数量远超预期。加州大学圣克鲁兹分校的布兰特·罗伯逊教授回忆道：“星系无处不在，数量之多、距离之远，令我们深感震惊。”
为了应对数据洪流，罗伯逊团队构建了一套分析流水线，其中AI模型负责分类，GPU加速几乎每个步骤——数据缩减、目录生成、异常检测和模拟。这些计算部分在校内Lux集群上运行，该集群由美国国家科学基金会资助，而更大规模的GPU计算则借助美国政府的超级计算机。团队的核心工具之一是Morpheus系统，由前研究生Ryan Hausen开发，采用语义分割技术——与自动驾驶汽车区分道路和行人的方法相同——逐像素分析星系，区分球状核与盘状结构。应用于JWST数据后，Morpheus使团队首次实现大规模AI分析，并发现了难以与现有模型调和的旋转盘状星系。这些星系类似银河系，出现时间比预期早得多。罗伯逊说：“起初人们不相信，但这一结果已被多次独立证实。”
除了直接分析，团队还开发了GalaxyFriends工具，由研究生Anavi Uppal构建，将约9万个星系按相似性组织成邻域，帮助研究者批量浏览数据集，发现异常模式。罗伯逊表示：“它让我们看到了以前看不到的宇宙结构。”然而，未来的挑战更大。智利的维拉·鲁宾天文台即将上线，每晚将扫描整个南方天空，产生约20TB原始数据。由于地基望远镜需穿过大气层，图像会模糊。罗伯逊团队利用AI——概念上类似NVIDIA DLSS技术——从空间望远镜数据中训练模型，再应用于地面图像，消除大气畸变，恢复更精细的细节。
此外，GPU还用于模拟宇宙演化。团队运行大尺度模拟，将虚拟宇宙演化与望远镜数据对比，观察结果反馈理论，理论又指导后续观测。目前，罗伯逊团队已公开发布近50万个星系的数据集，覆盖宇宙完整历史。他说：“宇宙不是象牙塔教授的专属，它属于每一个人。”
面对未来更多大型巡天项目，如罗马空间望远镜和宜居世界天文台，这种AI与GPU结合的分析方式将成为天文研究的基准要求。罗伯逊本人曾想成为作家，但NASA奖学金将他引向物理学，这种背景塑造了他对数据开放的理念。团队公开的数据集让任何人都有机会探索早期宇宙的奥秘。