（问题）随着时域天文学快速发展，巡天望远镜以高频率、大视场持续扫视天空，数据量呈爆发式增长；如何从海量、复杂且不断更新的观测数据中，及时找出数量不多但科学价值很高的瞬变事件，已成为提升科研产出的关键。潮汐瓦解事件是指恒星近距离掠过超大质量黑洞时被强引力撕裂并产生强辐射的现象，它既是研究黑洞吸积过程的重要窗口，也为理解星系核区的物理环境提供直接线索。但这类事件发生率低、持续时间短，光变特征又与部分其他瞬变源相似，传统依赖人工筛查和经验判断的方法，难以满足大规模巡天对效率与时效的要求。 （原因）墨子巡天望远镜具备大视场、高像质、宽波段等优势，巡测能力强、覆盖范围广，随着观测推进，数据产出还将持续增加。面对“数据多、变化快、目标少”的矛盾，研究团队以自动化、标准化和可扩展为目标，开发了面向潮汐瓦解事件的自动分类器，对光变曲线等关键特征进行学习与判别，提高候选体识别的速度和准确度。其核心思路是把复杂筛选尽量交给算法，在数据进入管线时就完成初步判断，让处理流程从“事后筛查”转为“实时发现”，更贴合巡天观测节奏。 （影响）此工具首先将提升潮汐瓦解事件的发现效率，支持更大样本的统计研究，从而更好约束黑洞质量分布、吸积盘形成与演化等关键问题。其次，自动识别有助于更精准地调度观测资源：一旦在巡天数据中锁定高可信候选体，可更快组织光谱与多波段后随观测，对“吞星”过程进行连续跟踪，提升单个事件可获取的信息量。再次，从学科发展角度看，面向时域天文学的数据算法与流程同样是“望远镜能力”的一部分。把数据处理链条做扎实，才能把观测优势转化为发现优势，为涉及的前沿领域的持续产出打下基础。 （对策）据介绍，研究团队已将该分类器优先部署在墨子巡天望远镜的深场巡天数据中，筛选出约20个具潜力的潮汐瓦解事件候选体。下一步，提升产出需要形成“算法—观测—验证”的闭环：一是持续扩充训练样本、优化特征体系，减少与超新星、活动星系核等源类的混淆，提高模型稳定性与可解释性；二是建立分级预警与快速跟踪机制，推动与国内外望远镜协同观测，开展跨波段验证；三是面向更大规模巡天运行，优化数据管线与算力调度，确保在数据增长情况下处理效率不下降、发现时效不拖延。同时，依托冷湖世界级天文观测研究基地的区位与观测条件优势，加强运行保障、人才队伍建设与开放合作，将继续释放重大科学设施的综合效能。 （前景）墨子巡天望远镜由中国科学技术大学、紫金山天文台、青海海西州共同建设，落址青海冷湖天文观测研究基地。随着巡天观测持续推进，我国时域天文学将加速进入数据驱动阶段。可以预期，自动识别与智能数据处理将成为巡天设施获取原创发现的重要支撑。未来，这套方法也可从潮汐瓦解事件拓展到更多瞬变与变源的快速筛查与分类，形成更高效的“发现—确认—研究”链条，为理解黑洞、恒星演化与宇宙结构提供更丰富的观测证据。
墨子巡天望远镜的最新成果表明了我国在基础科研与关键算法上的创新能力；自主核心技术的突破不仅推动前沿问题的研究进展，也展示了中国科学家在解决共性难题上的实力。随着更多原创成果持续出现，中国将为人类探索宇宙提供更多来自东方的观测与认识。