Мощность телескопов, «рабочих лошадок» астрономов, ограничена размерами используемых в них линз или зеркал. Используя «нейронные сети», принцип, положенный в основу искусственного интеллекта, группа исследователей из Швейцарии теперь смогла перешагнуть этот предел, предлагая ученым получать самые четкие снимки, доступные при помощи оптической астрономии.
В новом исследовании группа ученых во главе с профессором Кевином Шавински (Kevin Schawinski) из Швейцарской высшей технической школы Цюриха использовала новейшие принципы машинного обучения для создания алгоритма, способного распознавать на астрономических снимках образ галактики и восстанавливать из размытого изображения более четкое изображение. Так же, как и человеку, нейронной сети требуются образцы – в этом случае «размытый» и «четкий» снимки одной и той же галактики – чтобы обучиться распознаванию.
В системе, предложенной командой Шавински, используются две нейронные сети, «соревнующиеся» друг с другом, так называемые «генеративные состязательные сети» (generative adversarial network, или GAN) – принцип, который в последнее время набирает популярность в среде специалистов по нейронным сетям. Продолжительность всей программы обучения на высокопроизводительном компьютере занимает всего лишь несколько часов.
Обученные нейронные сети становятся способны распознавать и реконструировать детали, которые не могут быть разрешены при помощи телескопа – такие как звездообразовательные области, перемычки и пылевые полосы в галактиках.
Источник: www.astronews.ru