在时域天文学快速发展的当下，如何从“数据海洋”中及时发现高价值天象，成为提升我国巡天能力与科学产出的关键课题。
来自青海冷湖天文观测基地的墨子巡天望远镜研究团队近日在该领域取得新进展：团队面向墨子巡天望远镜运行所产生的大规模观测数据，开发了潮汐瓦解事件自动分类器，为捕捉黑洞扰动并吞噬恒星所引发的强烈辐射爆发提供了更高效的技术手段。
一、问题：巡天进入高通量时代，罕见天象“找得到、判得准”难度陡增 墨子巡天望远镜具备大视场、高像质、宽波段等能力，可实现对北天球的高频次覆盖观测。
高覆盖率带来高产出：每次巡测都会生成数量庞大的图像与光变数据。
与此同时，潮汐瓦解事件等瞬变现象具有“发生概率低、演化变化快、与其他瞬变源相似度高”等特点，单纯依赖人工筛查或传统规则筛选，不仅耗时耗力，也容易在复杂背景中漏检或误判，影响后续触发观测与科学分析窗口。
二、原因：天文观测数据结构更复杂、识别需求更实时 近年来，光学时域巡天从“发现为主”转向“发现与快速分类并重”。
一方面，观测尺度从单个目标扩展到全天域、长时间序列，数据既包含图像信息，也包含多波段、多历元的光变特征；另一方面，国际天文学界对瞬变源的快速响应越来越依赖自动化分类结果，以便尽早组织多台设备开展联测，锁定关键谱线与演化阶段。
面对这些变化，建立能够在海量数据中自动提取特征、并对候选事件进行快速分类的技术体系，成为提升巡天效能的现实需求。
三、影响：提升发现效率与样本质量，推动黑洞物理研究向纵深发展 潮汐瓦解事件被认为是研究黑洞吸积与喷流机制的重要“天然实验室”。
相关自动分类系统的投入使用，有望在三方面产生积极影响： 第一，显著提高筛选速度，使研究人员能更快从巡天数据中锁定高置信度候选体，为后续精细观测争取时间。
第二，提升样本纯度与统计规模。
在长期巡天中形成更大规模、更一致的事件样本，有利于开展群体统计研究，进而约束黑洞质量分布、恒星被瓦解的发生率及其与星系环境的关系。
第三，促进观测资源协同。
更可靠的快速分类结果可为望远镜联动观测提供优先级参考，提高宝贵观测时间的利用效率。
四、对策：以工程化算法体系支撑“发现—分类—跟踪”的闭环能力 据介绍，该系统采用深度学习架构开展事件自动分类，核心思路是让模型在训练数据中学习潮汐瓦解事件的典型特征，并在新数据流入时自动完成候选识别与类别判定。
面向巡天长期运行的需求，相关工作还需要在工程化层面持续完善： 一是强化数据质量控制与标注体系建设，提升训练样本覆盖度，降低不同观测条件带来的偏差； 二是建立与巡天数据处理管线的稳定接口，实现从数据预处理、候选生成到分类输出的自动化衔接； 三是推动与国内外多波段观测平台的协同机制，在分类结果基础上形成快速触发与回传验证流程，进一步提升识别可靠性。
五、前景：冷湖观测基地与国产大设备协同发力，时域天文将迎来更高产出 青海冷湖天文观测基地位于海西州茫崖市冷湖镇赛什腾山区域，平均海拔约4000米，具备较好的观测条件。
墨子巡天望远镜由中国科学技术大学、紫金山天文台与海西州共建，其高频巡天能力为我国时域天文学提供了坚实的观测基础。
随着自动分类等关键技术持续迭代，未来望远镜将更有能力在更短时间内发现更多类型的瞬变与变源，并对重要事件实现快速分类、及时跟踪和深入物理解释。
业内人士认为，这将推动我国在黑洞吸积、恒星末期演化、瞬变源多信使协同观测等方向形成更具竞争力的研究体系。
从黑洞吞噬恒星的瞬间捕捉，到海量数据中的智能挖掘，墨子巡天望远镜团队的这一成果展现了我国在天文观测和数据处理领域的创新能力。
随着时域天文学研究的不断深入，类似的智能分类系统将在更多领域得到应用，帮助人类更好地理解宇宙的奥秘。
这也提示我们，在探索宇宙的征途中，技术创新与科学发现往往相辅相成，只有不断突破技术瓶颈，才能在宇宙研究中取得更大的进展。