詹姆斯·韋伯太空望遠鏡（JWST）自2022年傳回首批資料以來，天文學家們面臨了一個意想不到的挑戰：影像中的星系數量遠超預期。加州大學聖克魯茲分校的布蘭特·羅伯遜教授回憶道：“星系無處不在，數量之多、距離之遠，令我們深感震驚。”
為了應對資料洪流，羅伯遜團隊構建了一套分析流水線，其中AI模型負責分類，GPU加速幾乎每個步驟——資料縮減、目錄生成、異常檢測和模擬。這些計算部分在校內Lux叢集上執行，該叢集由美國國家科學基金會資助，而更大規模的GPU計算則藉助美國政府的超級計算機。團隊的核心工具之一是Morpheus系統，由前研究生Ryan Hausen開發，採用語義分割技術——與自動駕駛汽車區分道路和行人的方法相同——逐畫素分析星系，區分球狀核與盤狀結構。應用於JWST資料後，Morpheus使團隊首次實現大規模AI分析，並發現了難以與現有模型調和的旋轉盤狀星系。這些星系類似銀河系，出現時間比預期早得多。羅伯遜說：“起初人們不相信，但這一結果已被多次獨立證實。”
除了直接分析，團隊還開發了GalaxyFriends工具，由研究生Anavi Uppal構建，將約9萬個星系按相似性組織成鄰域，幫助研究者批次瀏覽資料集，發現異常模式。羅伯遜表示：“它讓我們看到了以前看不到的宇宙結構。”然而，未來的挑戰更大。智利的維拉·魯賓天文臺即將上線，每晚將掃描整個南方天空，產生約20TB原始資料。由於地基望遠鏡需穿過大氣層，影像會模糊。羅伯遜團隊利用AI——概念上類似NVIDIA DLSS技術——從空間望遠鏡資料中訓練模型，再應用於地面影像，消除大氣畸變，恢復更精細的細節。
此外，GPU還用於模擬宇宙演化。團隊執行大尺度模擬，將虛擬宇宙演化與望遠鏡資料對比，觀察結果反饋理論，理論又指導後續觀測。目前，羅伯遜團隊已公開發布近50萬個星系的資料集，覆蓋宇宙完整歷史。他說：“宇宙不是象牙塔教授的專屬，它屬於每一個人。”
面對未來更多大型巡天專案，如羅馬空間望遠鏡和宜居世界天文臺，這種AI與GPU結合的分析方式將成為天文研究的基準要求。羅伯遜本人曾想成為作家，但NASA獎學金將他引向物理學，這種背景塑造了他對資料開放的理念。團隊公開的資料集讓任何人都有機會探索早期宇宙的奧秘。