（问题） 随着大视场巡天望远镜进入规模化运行，天文观测正从“能看见”走向“看得全、看得快”。随之而来的首要挑战是：如何密集的观测序列里，及时从海量数据中识别出数量不多却科学价值极高的瞬变事件。潮汐瓦解事件是时域天文的重要目标之一，通常发生在恒星接近超大质量黑洞时被潮汐力撕裂，并释放强辐射的过程中。这类事件既罕见、演化又快，信号还常与超新星爆发、活动星系核变化等现象相互混在一起。仅靠人工判读或简单阈值筛选，难以同时满足高频巡天对速度和准确性的要求。 （原因） 墨子巡天望远镜具备大视场、高像质、宽波段的观测能力，可实现每三个晚上覆盖整个北天球一次，节奏快、范围广。巡天效率提升的同时，也把数据处理推入“高吞吐”状态：需要在短时间内完成数据质检、源提取、交叉匹配、候选体筛选和科学分类等环节。潮汐瓦解事件在光变曲线形态、颜色演化、宿主星系环境诸上确有统计特征，但这些特征往往被噪声、观测间隔以及多类天体的相似表现所掩盖，因此需要更适合复杂模式识别的算法体系来支撑自动化筛选与分类。 （影响） 据介绍，研究团队结合WFST数据特点，构建了基于深度学习的潮汐瓦解事件自动分类器，使候选体筛选从“人找信号”转为“算法先筛、人工复核”的流程。该工具有望带来两方面效果：一是提高罕见瞬变事件的发现效率与样本纯度，减少重复观测的资源消耗，并提升对关键目标的跟踪组织能力；二是推动我国时域天文从零散发现走向持续、系统产出，让望远镜的巡天能力与科学产出同步提升。有关成果发表于《天体物理学杂志》，显示我国团队时域数据挖掘方法与科学应用结合上取得了新的进展。 （对策） 面向下一步应用，业内普遍认为需要持续完善“算法—数据—观测”的闭环： 一是完善数据标准与标注体系。分类性能离不开高质量训练样本，应依托多台望远镜、多波段观测与历史样本库，持续扩充并校准潮汐瓦解事件及其“相似类”样本。 二是强化在线处理与快速触发机制。对高置信度候选体建立自动预警与跟踪策略，联动光学、射电、X射线等多波段资源，力争在事件早期获取关键观测，提高物理解释能力。 三是提升可解释性与稳健性。针对极端天气、观测缺口、仪器系统误差等因素，引入更细致的质量控制与不确定度评估，降低误报漏报风险，确保在不同观测条件下保持稳定表现。 （前景） 青海冷湖天文观测基地位于海西州茫崖市冷湖镇赛什腾山区域，平均海拔约4000米，具备开展高质量光学观测的自然条件。墨子巡天望远镜由中国科学技术大学、紫金山天文台与青海省海西州共建，采用主焦光学系统设计和主镜主动光学矫正等技术路线。随着巡天持续推进，配套的自动分类与筛选工具将继续拓展至更多瞬变类型，带动形成面向时域天文的国产化数据处理链条。业内预计，依托大视场巡天与智能化处理体系，我国在黑洞吸积物理、星系核活动、宇宙暂现天体统计等方向的原创成果有望加速涌现，并在国际时域天文协同观测中发挥更积极作用。
从捕捉黑洞“吞噬”恒星的短暂信号，到海量数据中实现快速、精准识别，墨子巡天望远镜团队的此成果展示了计算技术对基础研究的直接推动。在大数据与人工智能快速发展的背景下，把先进算法引入天文巡天，不仅有助于更高效地揭示宇宙中的极端现象，也为其他领域的大规模数据处理提供了可借鉴的思路。随着有关方法持续完善、应用范围不断扩大，我国时域天文学有望在探索宇宙极端事件、理解宇宙演化规律上取得更多扎实成果。