该人工智能模型研发相关成果论文，近日也在国际专业学术期刊《天体物理学报》上发表。

　　科研团队介绍说，恒星光谱被称为研究宇宙的“指纹”。通过分析光谱中的谱线特征，科学家可以测量恒星的温度、重力加速度以及化学成分，并依据其记录的化学印记，像考古学一样反演银河系的演化历史。

　　然而，不同望远镜和巡天项目获取的光谱数据往往存在分辨率、波段范围和观测方式上的差异，使得数据难以直接统一分析。

　　实现跨仪器跨巡天数据对齐转换

　　最新研发的SpecCLIP模型，重点用于解决中国郭守敬望远镜(LAMOST)低分辨率光谱数据与欧洲空间局盖亚太空望远镜(Gaia)XP光谱数据的联合分析问题。科研团队将不同来源的光谱数据映射到同一个“特征空间”，就像把不同语言翻译成同一种通用语法。通过对比学习方法，SpecCLIP模型能够自动学习两类光谱之间的内在联系，高效实现跨仪器、跨巡天的数据对齐与转换，为大规模联合研究提供了新的技术路径。

　　科研团队指出，与传统针对单一任务训练的模型不同，SpecCLIP更接近一种“基础模型”框架。它不仅能够统一预测恒星大气参数和元素丰度，还可以开展光谱相似性搜索和异常源发现，为未来海量巡天数据的自动化分析奠定基础。

　　特别是在银河系考古研究中，该模型可以助力极端贫金属星的大规模搜寻与证认，并推动前所未有的大规模外晕红巨星样本的构建，为追溯银河系早期并合历史提供关键的观测数据基础。

　　已开始服务多项前沿科学方向

　　科研团队称，基于这种统一表征能力，SpecCLIP模型已开始服务多项前沿科学方向。例如，在地球2.0(Earth2.0，ET)任务的科学准备中，SpecCLIP模型能够为ET天区的行星寄主恒星提供准确而全面的基础参数，从而提升潜在宜居行星的筛选效率；在银河系演化史研究方面，该模型为数百万恒星年龄的统一测量提供了新的技术路径，并为重建银河系形成与并合历史带来更大规模的数据基础。