来自中国科学院国家天文台、中国科学院大学等单位的科研团队，成功开发出一款名为 SpecCLIP 的人工智能模型。该模型像一位精通多门“恒星语言”的翻译官，统一解读来自不同望远镜的恒星光谱数据，为天文学研究提供了全新的技术工具。相关研究成果发表于《天体物理学报》。

恒星光谱，常被科学家比作研究宇宙的“指纹”。每一颗恒星的光谱都隐藏着它的“身份信息”——温度、化学成分以及表面重力。通过分析这些“化学印记”，天文学家可以像考古学家复原历史一样，追溯银河系从诞生至今的演化历程。

然而，现实研究面临一个不小的难题：不同的巡天项目，比如中国的郭守敬望远镜（LAMOST）和欧洲的盖亚（Gaia）卫星，获取光谱数据的方式、分辨率和波段范围各不相同。这些数据就像用不同方言讲述的故事，很难直接放在一起进行大规模分析。

SpecCLIP 模型的诞生，正是为了打破这个数据壁垒。研究团队创新性地将类似“大语言模型”的思路引入天文领域，通过“对比学习”的方法，让 AI 自动学习并建立不同来源光谱数据之间的内在联系。

SpecCLIP 不仅能一次性预测恒星的大气参数和元素含量，还能进行光谱相似性搜索，甚至帮助发现特殊的天体。基于强大的数据统一表征能力，SpecCLIP 已在多项前沿科学探索中发挥作用。例如，在搜寻第二地球的“地球2.0（ET）”任务中，它能精确刻画行星寄主恒星的特征，从而提升潜在宜居行星的筛选效率。