近期，德州学院的王丽丽副教授、上海天文台的沈世银研究员以及国家天文台的罗阿理研究员等科研人员共同发起了一项规模宏大的星系调查项目，利用LAMOST巡天数据成功探测了约4.3万个星系，并且通过精确测量这些星系的平均年龄和金属含量，为科学界提供了关于星系演化过程中恒星族特征的一系列关键信息。此一成果已在2022年第258卷第9期的《Astrophysical Journal Supplements》上正式发布。

由于每一个星系都拥有独特且复杂多变的恒星形成历史，因此分析其内在构造并解读其光谱特征一直是宇宙学领域最为紧迫和艰深的问题。传统上，科学家们采用基于全光谱分析方法来识别不同类型恒星，但这种方法存在局限性，不仅对连续光谱形态极具敏感性，而且严重依赖于观测到的光谱信号与噪声比率及流量定标精度，这使得对LAMOST数据库中的各类目标进行详细参数统计成为一项极其挑战性的任务。

为了克服这一难题，本次研究团队将清华大学李成教授开发的人工智能技术结合尘埃消散效应，以高分辨率分析微小光谱差异，从而实现了对LAMOST数据集更准确、高效地提取出每个系统内部构造参数。为了验证新方法的有效性，该团队不仅应用该算法到模拟数据中，还将同源SDSS数据库中的实际观测结果与之比较。实验结果显示，无论是在模拟还是真实数据上的测试，都能发现新方法所得年龄和金属丰度与预先设定的模型值之间存在良好的吻合关系，同时相较于经典全光谱匹配法，其误差范围也显著缩小至0.2dex左右（对于低信噪比条件下5时，即年龄误差可达0.25dex，金属丰度误差可达0.3dex）。

此外，本次研究还推出了首份公开供国内外科研人员使用的大型LAMOST系统天体参数表，该表涵盖了超过43000颗亮前主序恒星以及它们所在宿主系统的地球距离、视向速度、物理质量等多种基本属性，使得未来的太空望远镜或空间探索任务能够以更加精确的心智去了解宇宙背后的秘密。此篇工作不仅提升了我们对于整个宇宙结构理解力的深入，也为未来更多有关宇宙大尺度结构发展模式及其演化机制问题提供了重要参考资料。在文章链接https://iopscience.iop.org/article/10.3847/1538-4365/ac3241中，可进一步了解本次创新性的科学成就如何揭示我们之前无法掌握的事物。