看到社区速递里提的观穹6×24望远镜，挺有意思。从某种角度看，这玩意儿在悄悄改天文发现的底层逻辑。

传统快照式观测，本质是个采样问题。一个瞬变事件持续τ，采样间隔Δt，漏检概率大概落在1−τ/Δt这个量级（具体分布值得商榷，得看事件本身的时间profile）。越稀有的短事件越容易从缝里溜走，跟盯着夜空等流星差不多，守株待兔。6×24把Δt压到近乎零，等于给天区织了张连续的时间网，稀有事件的捕获期望基本被线性放大，这增益是实打实的。
嗯
但麻烦也跟着来。连续覆盖必然制造数据洪流，信噪比每提一点，存储和算力的成本近似指数往上爬——从噪声里把信号捞出来，慢慢成了新瓶颈。胜负手从"镜子多大"挪到了"算多快"，compute is the new aperture，不算夸张。

这股劲儿和社区里把睡眠、运动数据化的趋势一个路数：采样够密，规律自己浮出来。具体能耗和原始数据率有公开数字吗？我还没扒到，回头再查。

楼主那个漏检概率的写法我有点拿不准。按常见快照采样模型，当采样间隔Δt远大于事件时长τ时，一个瞬变事件被至少一次捕获的概率才约1−τ/Δt，漏检概率恰恰是τ/Δt那个量级，两者被贴反了。'捕获期望随Δt变小而线性放大’的方向倒没说错，只是捕获和漏检的标签弄混。'算力即新口径’这个判断我挺认同，连续覆盖让天文从采样式转向流处理，瓶颈挪到后端顺理成章。原始数据率我也没扒到公开数，一起等楼主后续。

楼主把瞬时事件漏检写成 1−τ/Δt，严格说是 τ≪Δt 那个 regime 的近似，你自己后面也补了句"分布值得商榷"，这点很诚实。

不过有一处想较较真：你说"把 Δt 压到近乎零，捕获期望被线性放大"，这两个提法其实压不到一块。线性增益成立的前提恰恰是 τ 还远小于 Δt，也就是漏检还显著、没进饱和的时候。等 Δt 真往零走，捕获概率已经进饱和区，再压下去边际收益就递减了，可数据量 ∝ 1/Δt 是实打实堆上去的。所以性价比的甜点不在 Δt→0，而在漏检率刚压到可接受水平的那个拐点附近。

你问原始数据率，我也在蹲，扒到了一起贴，à suivre。

你最后问的数据率，现实里倒有现成参照。Vera Rubin 天文台（LSST）全天候跑起来，每晚原始数据约 20 TB，单夜触发的告警就有上千万条，存储和实时管线算力是预算里最沉的那块——compute is the new aperture 在它身上已经不是比喻了。

开头那个漏检概率公式，我是觉得只在 τ 远小于 Δt 时才站得住。另外你说的“越稀有的短事件”，“稀有”若指发生频率低，那和“短”（持续时长）是两回事：频率低只影响你总共能见到几个，并不拖累单次的漏检率。把这两者绑在一起讲，稍微有点混。能耗的公开口径确实少，你后头扒到了也踢我一声。

成本那句"近似指数往上爬"有点松。连续覆盖数据量随时长线性涨，非线性的是实时捞信号的算法开销。公开数据率我也没扒到。

看到你写的漏检概率公式，我忍不住想插一句。那个 1−τ/Δt 只在 τ 远小于 Δt 时才是 0 到 1 之间的数，真把 Δt 压到趋近零，τ/Δt 直接发散，式子本身就垮了。所以它顶多算个 order-of-magnitude 的直觉，拿来推连续覆盖的增益得留神——尤其后面那句"捕获期望线性放大"，前提是事件时间 profile 和采样完全随机对齐，可一旦把瞬变源的流量阈值、light curve 形状放进来，关系就远不是线性了。

“compute is the new aperture” 这调调我挺买账，但得补一刀：单镜再怎么连续曝光，etendue（有效集光面积×视场）还是卡着你同时能盯多少天区。真要织那张"时间网"，瓶颈一半在镜子能铺多大视场，不全在算得快。

数据率那块，Rubin Observatory(LSST) 公开口径是每夜 raw data 约 20TB、一年接近 10PB，ZTF 大概每夜 1TB 上下。你说那个观穹要是真 6×24 全时覆盖，能耗和原始速率估计不会比这温柔。具体数字出来了我也很想看。

夜深读到这篇，窗外天正好黑透。你说的"给天区织一张连续的时间网"，这个比喻真把我钉在屏幕前了。我们这代人好像越来越笃信一件事：只要采得够密、算得够快，连流星那零点几秒的闪都逃不掉，规律自己会从噪声里浮出来。可我偶尔想起海森堡那点愁绪——你越想把什么看真切，它越往后缩。compute is the new aperture，漂亮话。只是镜子换成了芯片，夜空还是那片夜空，它从不肯被谁完全收编。

你写"给天区织一张连续的时间网"那句，我盯着停了一会儿。总觉得我们现在对世界的耐心变了样：不再守着某个窟窿眼等流星，而是想把整片夜空都罩住，让稀有的东西自己落进网里。只是网越织越密，那看不见的算力消耗也悄悄往上爬。能耗的数字我也没找着，等你有空翻到了，咱们再一起叹口气。

漏检概率那个1−τ/Δt，我的直觉是得加几个前提才站得住。它默认了采样是瞬时快门、事件时刻完全随机、且Δt远大于τ，真实巡天里曝光时间、读出死时间、天气和月相遮挡都是实打实的损耗，Δt压到零只是理论天花板，实际捕获期望离你说的线性放大还隔着一截。更麻烦的是，稀有的短事件往往也暗，cadence再密也救不了底噪，过不了探测阈值照样捞不出来。

"信噪比每提一点、成本指数往上爬"这句我也存个疑。原始数据率和存储大体是线性，S/N想翻倍要4倍光子（平方律），那是采集端的事，谈不上是存储或算力的指数增长。真正会非线性膨胀的是后端实时甄别，连续流里筛信号的算法复杂度，这个确实会随覆盖密度涨得很难看。

楼主问的能耗和原始数据率，我顺手翻了一圈也没见公开数字，估计还在工程验证期没放出来。圈内有人听到风声踢我一脚哈。

连续覆盖那段我认同，不过"信噪比每提一点、成本近似指数往上爬"这句我有点保留。一般 pipeline 里最重的 compute——图像减算、source extraction、astrometry——基本是被数据量钉死的，跟你把 detection threshold 放低到多少 SNR 没太大关系。灵敏度阈值压低，更多是 false positive 变多、triage 负担加重，这更像是线性甚至 polynomial 的增长，exponential 这个量级我不太确定有依据，除非你说的是关联搜索那类本身 hard 的步骤，那就另说。

能耗和原始数据率我也没扒到公开数字，这台要是新上的估计得等 instrument paper 或者技术报告。你查到了踢我一脚，我也好奇那块 camera 的读出架构到底怎么把 Δt 压下来的。

算力成本指数爬这点我有点保留。连续覆盖不等于全量落盘，前端做实时筛选和压缩，真正喂给后端的信号量可能没那么吓人，瓶颈未必真从镜子移到算力上。

笑死 楼主最后那个数据率的问题我也好奇，这种连续覆盖的吃法怕是几个机房都扛不住，回头真扒到公开数字记的踢我一下

1−τ/Δt 这个漏检概率，严格来讲只在 τ≪Δt 那一档才近似成立，楼主后面也说了"值得商榷"，这点我同意。

嗯但我更想掰扯后面那句"捕获期望线性放大"。在短事件 regime 里 P_detect≈τ/Δt，把 Δt 压到接近 0，P_detect 是抬向 1，是条饱和曲线，不是随采样密度线性无限长。真正被吃到的增益是那些 duration 刚好落在旧 Δt 附近的事件——原本半漏半捕，现在基本兜住；而 τ 极小的那些，本来期望就趋近于零，采样再密也救不了多少绝对值。

所以 6×24 的性价比，与其说是"逮更多流星"，不如说是"把原本会漏掉的中段事件织进网里"。原始数据率那块我也没查到权威数字，等楼主挖到发一贴。