寻找贫金属星有多难？就好比在银河系中挖掘古老恒星的化石一样，需要大量的时间。在过去大半个世纪，全世界大型望远镜发现的铁氢比小于-4（金属含量为太阳的万分之一）的恒星总共只有50多颗。不过通过专业大模型，一个月发现8000颗！

这两天，由中国科学院国家天文台与之江实验室联合主办的“人工智能赋能的天文学开放科学会议”吸引了全球240多位天文学家来杭，分享人工智能在天文领域的应用。

大会第一天，王坚主旨分享了AI和研究范式变革。

他的身上有很多标签，中国工程院院士、之江实验室主任、阿里云创始人，但很多人不知道，他曾经还是一名科班出身的工业心理学博士、教授、系主任。

去年，诺贝尔物理学奖颁给了约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton），表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。

说到诺贝尔物理学奖颁给了AI，王坚提到了《大西洋月刊》网站上一篇文章的有趣观点：这次诺贝尔奖就像是人工智能的青霉素和X光时刻。

“我认为这是一个非常好的评论。因为过去几年，人们一直在谈论人工智能的伦理和安全问题。我们可以想一下青霉素和X光技术，随着人们对其特性的了解和掌握，它们对人类的健康作出了巨大贡献，这是众所周知的。我想AI也是这样，会造福人类。”

“今天我们正处于AI的时代，AI不仅仅帮助你解决问题，解决你提出的问题，它还能帮助你生成可能从未解决过的问题。”在他看来，这正是人工智能的魅力所在，“我一直相信这不仅仅是为科学服务，而是真正为科学家服务的AI。”

之江实验室和国家天文台合作打造了SpecCLIP恒星光谱基座模型、FALCO时域光变模型等天文科学计算模型。

FALCO能够快速捕捉极端瞬变源，在光变分类、重力加速度估计、耀发检测模型等下游任务中验证了通用能力和应用效果。SpecCLIP则通过金属丰度指标在贫金属星发现过程中展现出了巨大的潜力。

中国科学院国家天文台、中国科学院大学副教授黄样介绍，在过去大半个世纪，全世界大型望远镜发现的铁氢比小于-4（金属含量为太阳的万分之一）的恒星总共只有50多颗。不过利用SpecCLIP，研究团队在短短一个月的时间里，从LAMOST（郭守敬望远镜）1000多万条中低分辨率光谱和GAIA（盖亚空间天文台）2亿多条超低分辨率光谱数据中发现了8000多颗贫金属星候选体。

“如此低的金属丰度意味着这些恒星没有演化很久，带着很早期的宇宙记忆。通过这些贫金属星，我们能够去推断银河系婴儿时期的样貌。”黄样说道。