想象一下，星團、星云和其他星際現(xiàn)象都是由計算機在無人監(jiān)督的情況下憑空生成的。這聽起來可能像是對未來全息技術(shù)的描述，但是愛丁堡大學感知研究所和天文學研究所的研究人員，就在人工智能的幫助下設(shè)計了這樣一個系統(tǒng)。

研究人員描述了一種人工智能模型，該模型能夠生成合成星系的高分辨率圖像，這些圖像遵循了真實的星系分布。

“21世紀的天文學發(fā)現(xiàn)自己擁有大量數(shù)據(jù)，大部分數(shù)據(jù)在捕獲時會被過濾掉，以節(jié)省內(nèi)存存儲，”他們寫道。“對于深度學習等現(xiàn)代技術(shù)來說，進入這一領(lǐng)域的時機已經(jīng)成熟。星系在這類應用中起了關(guān)鍵作用，我們探索了利用人工智能來生成星系圖像的可能性。”

該團隊機器學習架構(gòu)的核心是生成對抗性網(wǎng)絡(luò)（GAN）——由生成樣本的生成器和試圖區(qū)分生成樣本和真實樣本的鑒別器組成的兩部分神經(jīng)網(wǎng)絡(luò)。將GAN描述為AI算法中的“神童”并不夸張；它們被用來發(fā)現(xiàn)新藥，制作令人信服的漢堡和蝴蝶照片，甚至生成腦癌的人工掃描圖。

這一星系生成系統(tǒng)由兩個五層GANs組成：階段一GAN和階段二GAN。第一個生成低分辨率圖像（64x64像素），而第二個使用一種叫做超分辨率的技術(shù)將它們轉(zhuǎn)換成高分辨率圖像（128x128像素）。研究人員指出，在實際過程中，階段二GAN會自我填充缺失的像素，更加注重現(xiàn)實性而非準確性。

為了“鼓勵”階段二GAN中的生成器生成類似于放大實像對應物的合成星系圖像，該論文作者引入了一個“雙目標函數(shù)”，該函數(shù)計算了分辨率增強圖像和實像之間的誤差標準。其結(jié)果是生成了大量保留星系“更稀有”特征的樣本，如旋臂。

研究人員使用英偉達GTX 1060 GPU在PC上訓練人工智能系統(tǒng)，并為其提供來自Galaxy Zoo 2數(shù)據(jù)集的恒星和行星體的全色圖像，Galaxy Zoo 2是一個眾包天文學項目。他們在評估結(jié)果時考慮了四個屬性：橢圓度，或偏離圓形度的程度；與水平面的仰角；總流量；以及半長軸（橢圓最長直徑的一半）的尺寸測量。

在論文的最后，研究人員寫道，該模型生成了非常類似真實星系“物理真實”的圖像。他們認為，這一系統(tǒng)可以被用來擴充真實樣本的數(shù)據(jù)庫，實際上這也是深度學習模型的數(shù)據(jù)源。

“能夠創(chuàng)建物理真實的星系圖像生成模型有許多實際用途，”他們寫道。“我們的工作展示了GAN架構(gòu)作為現(xiàn)代天文學寶貴工具的潛力。”