想象一下，星團(tuán)、星云和其他星際現(xiàn)象都是由計(jì)算機(jī)在無(wú)人監(jiān)督的情況下憑空生成的。這聽(tīng)起來(lái)可能像是對(duì)未來(lái)全息技術(shù)的描述，但是愛(ài)丁堡大學(xué)感知研究所和天文學(xué)研究所的研究人員，就在人工智能的幫助下設(shè)計(jì)了這樣一個(gè)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(shí)的星系分布。

“21世紀(jì)的天文學(xué)發(fā)現(xiàn)自己擁有大量數(shù)據(jù)，大部分?jǐn)?shù)據(jù)在捕獲時(shí)會(huì)被過(guò)濾掉，以節(jié)省內(nèi)存存儲(chǔ)，”他們寫(xiě)道。“對(duì)于深度學(xué)習(xí)等現(xiàn)代技術(shù)來(lái)說(shuō)，進(jìn)入這一領(lǐng)域的時(shí)機(jī)已經(jīng)成熟。星系在這類應(yīng)用中起了關(guān)鍵作用，我們探索了利用人工智能來(lái)生成星系圖像的可能性。”

該團(tuán)隊(duì)機(jī)器學(xué)習(xí)架構(gòu)的核心是生成對(duì)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(shí)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(lái)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(gè)五層GANs組成：階段一GAN和階段二GAN。第一個(gè)生成低分辨率圖像（64x64像素），而第二個(gè)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(shí)際過(guò)程中，階段二GAN會(huì)自我填充缺失的像素，更加注重現(xiàn)實(shí)性而非準(zhǔn)確性。

為了“鼓勵(lì)”階段二GAN中的生成器生成類似于放大實(shí)像對(duì)應(yīng)物的合成星系圖像，該論文作者引入了一個(gè)“雙目標(biāo)函數(shù)”，該函數(shù)計(jì)算了分辨率增強(qiáng)圖像和實(shí)像之間的誤差標(biāo)準(zhǔn)。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(dá)GTX 1060 GPU在PC上訓(xùn)練人工智能系統(tǒng)，并為其提供來(lái)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(gè)眾包天文學(xué)項(xiàng)目。他們?cè)谠u(píng)估結(jié)果時(shí)考慮了四個(gè)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(zhǎng)軸（橢圓最長(zhǎng)直徑的一半）的尺寸測(cè)量。

在論文的最后，研究人員寫(xiě)道，該模型生成了非常類似真實(shí)星系“物理真實(shí)”的圖像。他們認(rèn)為，這一系統(tǒng)可以被用來(lái)擴(kuò)充真實(shí)樣本的數(shù)據(jù)庫(kù)，實(shí)際上這也是深度學(xué)習(xí)模型的數(shù)據(jù)源。

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