2015 年 8 月，在兴隆观测站，一套便携式自适应光学仪器的光学与机械组件必须装进长度不足一米的空间。团队获得了更清晰的恒星图像，但望远镜光路中的光损耗，也限制了仪器对暗弱目标的校正能力。一次成功的演示，也受制于传递光线的整套设备。[1]

这些实际约束，为理解中国近年的 AI 光学研究提供了一个切入点。南京、长春和云南的研究都在考察，神经网络如何根据不完备的测量估计波前畸变。把这些结果放在一起看，它们指向一个共同方向：将传感器的物理规律融入学习，再检验网络面对训练条件之外的情况时，还能运用多少已学到的知识。[3][4][5]

成像之前，光波已经畸变

大气湍流会扰动抵达地面望远镜的光。自适应光学测量这种扰动，并在观测过程中向变形镜发出指令，补偿扰动。明亮的参考星，或由激光产生的人造导星，为系统提供观测方向上的大气信息。[2]

这里要估计的物理量是波前，即光波中相位相同的各点连成的曲面。波前形状出现偏差，原本应汇聚成紧凑图像的光就会散开。因此，波前重建承担着具体的物理任务：估计光学系统需要校正的畸变，并让这一估计足以用于校正。

获得这种估计有多种方法。方法之间的差别直接关系到网络的适用范围：网络学会解读一种仪器的测量后，对另一种仪器所获得信息的解读能力仍需验证。

光斑内部还有更多信息

夏克–哈特曼（Shack–Hartmann）传感器用微透镜阵列形成光斑。常规重建方法根据光斑的位移估计局部波前斜率。增加采样区域的数量，可以分辨更细微的变化，同时也会把有限的光分散到更多区域，采样精度与信号质量由此相互牵制。[3]

2026 年 1 月，南京天文光学技术研究所介绍了 FF-Net，旨在从光斑图像中提取更多信息。研究人员在光斑的频率成分中发现了方向性，网络据此采用可学习的 Gabor 滤波器，使其响应不同方向和空间频率，将这一特征纳入学习。[3]

报告中的一项数值比较重建了 133 个 Zernike 模态，也就是描述像差的数学分量。其中，神经网络方法使用 8 × 8 微透镜阵列，传统斜率法使用 16 × 16 阵列。FF-Net 在这项比较中的低阶重建效果更好。研究所还报告，在 GPU 加速下，网络每帧推理耗时低于一毫秒。[3]

这些结果对应仿真重建和网络推理。望远镜的完整校正循环能否达到同样速度，仍需分别核算曝光、数据传输、镜面响应和反馈的耗时。这项工作的进展，在于从每次测量中提取了更多信息。

改变焦面位置，补充另一类证据

长春光学精密机械与物理研究所在 2025 年 9 月的一篇报告中，讨论了另一种采样难题。紧凑型成像系统在保留视场或控制数据量时，有时会牺牲图像的精细采样。由此产生的混叠，使从图像中推断像差变得更困难。[4]

团队的方法使用多幅离焦图像，从中提取傅里叶域的低频信息。这部分信息在欠采样条件下仍有利用价值。网络将卷积神经网络与长短期记忆网络结合起来，共同学习图像特征，以及不同焦面位置之间的关系。[4]

验证也从生成数据推进到了实物实验。完成仿真测试后，研究人员在实验室的离轴三反射镜系统中引入已知的失调，再用干涉仪测量结果核验网络输出。研究所报告的重建均方根误差，在仿真中为 0.0082 个波长，在实验中低于 0.018 个波长。[4]

这些数值对应特定的光学装置和测试流程。这里的意义在于独立的实验室核验：实际测量可以检验网络答案是否成立。未来的仪器采用这一方法时，仍需展示它在自身各类运行条件下的表现。

把望远镜本身纳入训练问题

云南天文台 2024 年 11 月的一篇论文，处理了另一种偏差来源：过于简化的训练样本。其模拟波前纳入了高阶湍流，以及次镜和支撑结构造成的不连续。作者还考察了噪声和口径中央遮挡比例变化时，重建结果如何变化。[5]

这样，望远镜的几何形状也成为网络需要学习的问题。即使模型在平滑、易于处理的像差上表现良好，面对真实仪器中受遮挡的光路时，其表现仍需检验。云南的工作进一步表明，应当明确检验这些遮挡的影响。其数值实验确认了模型在设定条件内的表现；在持续运行的校正闭环中观测恒星，则属于另一层次的验证。[5]

这些研究共同指向什么

三种方法各有测量方式、重建任务和验证流程，研究结果适合放回各自的条件下考察。把醒目的误差数值拿来统一排名，会遮蔽每项成果背后值得关注的工程取舍。

更有解释力的共同线索，是有效信息究竟还保留在哪里。南京研究传感器光斑内部的特征，长春将频率信息与焦面位置的变化结合，云南则把光学遮挡和湍流的影响更充分地纳入问题。每项研究都让网络的学习与仪器本身联系得更紧密。[3][4][5]

下一步更有说服力的证据，应把这些针对仪器特点的设计与持续运行联系起来：条件变化后仍能获得可重复的重建结果，对恢复的波前作独立核验，以及让完整校正循环跟上扰动的速度。这些是三项研究提出的后续验证问题，三者共同具备这些能力仍有待证实。

兴隆观测站早期的装置，具体说明了这最后一步为何重要。仪器的性能，部分取决于有多少光最终抵达仪器。[1] 更好的推断能提高一次测量的利用价值。天文台仍须把光送到、执行校正，并在实际天文观测中展示由此带来的改善。

来源

1. 中国科学院国家天文台，HPAO 在 2.16 米望远镜上首次试验的报道（2015 年 9 月 15 日；中文）——仪器尺寸、观测结果、光学通光效率的限制及历史照片。
2. 欧洲南方天文台，《自适应光学》——大气畸变、变形镜与参考星。
3. 南京天文光学技术研究所，FF-Net 超分辨率波前重建报道（2026 年 1 月 28 日；中文）——物理先验、数值比较与推理耗时。
4. 长春光学精密机械与物理研究所，《深度学习方法实现欠采样光学系统中的波前传感》（2025 年 9 月 28 日）——网络输入、仿真结果及经干涉仪核验的实验室实验。
5. Dongming Liu、Hui Liu 和 Zhenyu Jin，《高阶湍流下的高精度深度学习波前传感》，Astronomical Techniques and Instruments 1(6)，316–324（2024 年 11 月 2 日）——模拟湍流、光学遮挡与噪声敏感性。