问题 时域天文学正迎来“大流量”时代，如何从海量数据中快速、准确地识别关键瞬变天象成为科学研究的突出挑战；以潮汐瓦解事件为例，当恒星被超大质量黑洞的强引力撕裂时，会产生短暂而明亮的辐射爆发。这类事件出现概率低、持续时间短，且观测特征与超新星等光变源相似。传统的人工筛查或规则判别方法效率有限，难以兼顾速度和精度，容易错过最佳观测时机。 原因 随着巡天能力的大幅提升，数据处理体系亟需升级。墨子巡天望远镜凭借大视场、高像质和宽波段优势，能够高频覆盖北天球。观测频次和视场的增加导致数据量和候选瞬变源数量激增。然而，准确识别潮汐瓦解事件需要综合分析多波段光变曲线、亮度演化特征，并区分活动星系核变化、超新星爆发等干扰信号。这些因素要求建立更自动化、稳定且可扩展的分类与筛选流程，实现从发现到确认的高效闭环。 影响 针对潮汐瓦解事件的自动分类工具为科学研究提供了关键助力。研究团队基于深度学习架构开发了自动分类器，并率先应用于墨子巡天望远镜的深场巡天数据，已筛选出约20个高潜力候选体。这个成果不仅有助于早期锁定高价值目标，争取多台望远镜的协同观测时间，提高后续光谱确认的成功率，还能为黑洞吸积过程、恒星动力学及星系核区物理机制研究提供更丰富的样本。对应的成果发表于《天体物理学杂志》，标志着我国在时域天文数据智能处理领域正迈向国际前沿。 对策 在时域天文学的长期竞争中，构建“观测—处理—发布—协同”的全链条能力至关重要。业内专家指出，自动分类工具的应用只是第一步。未来需在更大规模的巡天数据中优化算法，提升对不同观测条件、噪声水平和多类型瞬变源的适应能力；同时完善候选体优先级排序与快速告警机制，推动国内外观测资源的实时协作；此外，还需加强数据标准化与质量控制，确保模型训练和结果的可追溯性与可复现性。通过系统化的数据管理和工具化平台建设，形成可持续升级的科学数据处理体系。 前景 随着墨子巡天望远镜观测能力的深入释放，我国在北天区时域巡天与黑洞相关瞬变研究中的地位将更加突出。冷湖天文观测基地位于青海省海西州茫崖市冷湖镇赛什腾山区域，凭借高海拔和优良的天空条件，为高质量光学观测提供了理想环境。未来，随着巡天规模的扩大和算法的优化，潮汐瓦解事件等稀有瞬变源的发现效率有望大幅提升，推动对超大质量黑洞增长史、星系核区演化等前沿问题的深入研究。此外，这类自动化处理技术也可为其他天文观测项目提供参考，助力我国天文学从“望远镜能力”向“数据与发现能力”的全面升级。 结语 天文学的进步不仅是望远镜性能的比拼，更是数据处理能力与科学洞察力的综合体现。墨子巡天望远镜团队的成果表明，只有将先进观测设备与自主创新的智能算法结合，才能将海量数据转化为科学发现。在时域天文学大数据时代加速到来的背景下，这一来自中国高原的探索，或将为人类理解宇宙极端物理过程提供新的视角。
天文学的进步不仅是望远镜性能的比拼，更是数据处理能力与科学洞察力的综合体现；墨子巡天望远镜团队的成果表明，只有将先进观测设备与自主创新的智能算法结合，才能将海量数据转化为科学发现。在时域天文学大数据时代加速到来的背景下，这个来自中国高原的探索，或将为人类理解宇宙极端物理过程提供新的视角。