貴州大學張利教授團隊近日取得重大科研突破，成功研制出全球規模最大的天文人工智能訓練數據集——ADAM（Astronomical Data for AI Modeling）。該成果在貴陽面向全球發布，標志著我國在射電天文與人工智能交叉領域實現關鍵技術跨越，為應對天文觀測數據爆炸式增長提供了系統性解決方案。
隨著平方公里陣列射電望遠鏡（SKA）和中國500米口徑球面射電望遠鏡（FAST）等新一代天文觀測設施相繼投入使用，全球天文界正面臨前所未有的數據處理挑戰。這些超級望遠鏡每秒產生的數據量相當于全球互聯網流量的總和，其中復雜的天文效應耦合現象成為制約科學發現的核心瓶頸。傳統數據處理方法已難以應對這種量級的數據分析需求。
研究團隊歷時五年攻關，通過構建虛擬射電望遠鏡陣列模型，系統復現了從星際介質干擾到儀器系統誤差等12類關鍵觀測效應。最終形成的ADAM數據集包含6.1248億張模擬觀測圖像，總容量突破304TB，相當于152萬張2GB存儲卡的容量。該數據集以每日10萬張的速度持續擴充，其規模與維度均創世界紀錄。
項目創新性地采用"多效應協同模擬"技術路線，首次實現了SKA中低頻陣列、FAST核心陣列及其擴展陣列的全場景覆蓋。每張圖像均包含空間坐標、頻率響應、時間序列等200余個參數維度，能夠精準還原真實觀測中的復雜干擾模式。這種設計使人工智能模型得以在接近真實的環境中進行訓練，顯著提升天文規律識別的準確性。
在應用層面，ADAM數據集已展現出多維度價值?？蒲腥藛T利用該數據集訓練的脈沖星識別模型，在FAST實測數據中成功發現3顆新脈沖星；針對星系形成模擬的深度學習框架，將計算效率提升40倍。數據集還支撐了FAST觀測計劃的智能優化系統開發，使有效觀測時間增加18%。其可視化模塊已被納入國家中小學天文教育課程資源庫。
該成果構建了完整的射電天文數據處理技術體系，形成從數據生成、模型訓練到應用部署的全鏈條解決方案。相關算法框架已通過開源平臺向全球開放，被英國曼徹斯特大學、澳大利亞國際射電天文研究中心等機構采納為標準測試集。數據集的模塊化設計支持跨領域遷移，其噪聲模擬技術已應用于醫學影像處理領域。
作為"東數西算"工程在科研領域的典型應用案例，ADAM數據集推動建立了貴陽-上海-北京的天文數據傳輸專線，實現每秒20GB的實時數據流轉。這種算力與數據的協同布局模式，為國家級科研基礎設施的優化配置提供了示范樣本。研究團隊正與歐洲核子研究中心（CERN）合作，探索將數據集技術應用于粒子物理實驗數據處理。
