问题—— 随着大视场巡天望远镜持续运行，时域天文学进入“数据驱动”阶段。高频率、广覆盖的巡天观测带来了海量的天体瞬变现象光变信息，但也暴露了人工甄别和传统规则筛选的效率瓶颈：一方面，瞬变源类型复杂，光变曲线形态相似、容易混淆；另一方面，潮汐瓦解事件等高价值但罕见的信号往往被大量常见变源和噪声淹没，若不能及时识别，将影响后续多波段跟踪观测的科学产出。 原因—— 潮汐瓦解事件通常发生恒星被超大质量黑洞引力撕裂时，短时间内会出现显著增亮并伴随特征性演化过程。其观测信号受望远镜波段、采样间隔、测光误差及宿主星系背景等因素影响，在不同观测中表现各异，传统依赖人工经验或简单阈值的方法难以稳定适配。此外，墨子巡天望远镜具备大视场、高像质和宽波段优势，能够高效巡测北天球，数据量快速增长，使得自动化、可扩展的识别体系成为必然选择。 影响—— 针对这个需求，冷湖天文观测基地墨子巡天望远镜团队开发了基于深度学习的潮汐瓦解事件自动分类器，并率先应用于望远镜深场巡天数据，已筛选出约20个值得更验证的候选体。这一进展的意义在于：第一，提升筛选效率和一致性，为快速锁定稀有瞬变源争取时间窗口；第二，为望远镜运行提供可复用的数据处理能力，推动从“拍到”向“及时识别、及时跟踪”转变；第三，助力我国在时域天文学数据挖掘与科学产出链条上形成更完整的技术闭环。有关成果发表于《天体物理学杂志》，获得国际同行关注。 对策—— 从工程实践来看，自动分类工具的价值不仅在于“发现更多候选体”，更在于建立标准化流程和可持续迭代机制。未来可从三上优化：一是结合光谱、X射线、射电等多波段数据，快速确认候选体，提高样本纯度；二是完善训练样本和标注体系，覆盖不同红移、宿主环境和观测条件的事件类型，减少模型偏差；三是加强与观测调度、告警发布系统的衔接，形成“发现—判别—触发跟踪—归档共享”的全流程，提升望远镜的科学运行效率。 前景—— 时域天文学正朝着更高频率、更大规模、更强协同的方向发展。作为北半球光学时域巡天的重要设备之一，墨子巡天望远镜依托青海冷湖的高海拔优良观测条件，有望持续产出高质量时域数据。随着自动识别工具在更多巡天数据和瞬变类别中应用，未来不仅能系统性提升潮汐瓦解事件的发现率，还将为研究黑洞吸积物理、星系核环境及极端引力过程等前沿问题提供更丰富的观测样本。同时，在大数据时代，数据处理能力将成为天文装置的核心之一，算法与观测平台的深度结合将进一步释放巡天望远镜的科学潜力。
从敦煌壁画的星图到如今的世界级天文装置，中国探索宇宙的脚步从未停歇。墨子巡天望远镜团队的这个突破，既传承了“格物致知”的科学精神，也展现了数字化时代中国科研人员的创新智慧。当科技与星空在青藏高原的纯净夜空相遇，人类对宇宙的认知边界正被不断拓展，而这背后，是中国科技工作者对“星辰大海”永无止境的追求。