动态 | 不止生成猫咪照片,GAN还在帮助天文学家生成史上最清晰的星系图像

AI科技评论按:本文由图普科技工程师翻译自《Neural networks promise sharpest ever images》,AI科技评论独家首发文章。

上图向我们分别展示了一个原始星系的图像(左边第一张),经过退化处理了的星系图像(左起第二张),经GAN修复的星系图像(左起第三张),以及之前的最先进的技术——“反卷积”技术加工完成的星系图像(右边第一张)。

天文望远镜是天文学使用的主要仪器,通常情况下会受到其自身镜片或镜头大小的限制。望远镜在很大程度上会受到其镜头或镜片的直径,也就是所谓的“光圈”,的限制。简单来说,镜头直径越大,望远镜能集中的光就越多,天文学家对微小物体的侦探和观察就越清楚。那奎斯特抽样定理(又称采样定理)对分辨率的限制问题进行了阐述,该定理说明采样频率与信号频谱之间的关系。

Kevin Schawinski,苏黎世联邦理工学院的教授,带领着他的瑞士研究团队,使用当前最新的机器学习技术去挑战望远镜的“光圈限制”。他们向神经网络输入能模仿大脑神经元的计算方法,以及星系的具体形象,然后让神经网络自动恢复一张模糊的图像,把它变成一张清晰的图像。跟人类一样,神经网络也是需要通过一些例子(在这里的例子指的就是同一星系的模糊图像和清晰图像)来学习和掌握这个技术的。

他们在自己的系统中使用了两个相互竞争的神经网络,一个正流行于机器学习研究领域的新兴方法——GAN(Generative Adversarial Network,生成对抗网络)。值得一提的是,对这个神经网络的训练在一台高性能电脑上只需要几个小时就能完成。

经过训练的神经网络能够识别和重构那些望远镜无法解决的特征,比如恒星形成区域、星系中的尘埃带等等。科学家们通过与原始高分辨率的图像的对比检查来测试其性能,发现神经网络是到现在为止科学家们所使用过的、最好的恢复图像特征的方法,它比前几年用于提高哈勃太空望远镜图像分辨率的“反卷积”技术还要完备。《皇家天文协会月刊》记录了这一全新的研究工作。

Schawinski认为神经网络的使用是一个巨大的进步,他说道:

我们可以重温那些仅凭长年望远镜观察来展开的天文调查,观察其更多的细节,然后获得更多关于星系结构的新发现。我们完全有可能将这一技术应用到来自哈勃太空望远镜,或是来自即将问世的“James Webb太空望远镜”的那些深度图像,进而更多地了解最早期的宇宙架构。

张策教授,专攻计算机科学领域的项目合作者同样看到了神经网络的巨大潜力,他表示:

大量的天文学数据对计算机专家来说一直都具有强大的吸引力。然而,当一个全新的技术产生时,比如说机器学习,天体物理学确实可以为之提供一个庞大的测试床用于应对最基本的计算问题,但在研究工作中,我们应该如何用机器学习系统来整合并且利用那些人类上千年来积累的研究成果呢?我们希望可以通过与Kevin的合作,很好地解决这个问题。

这一项目的成功,预示着天体物理学领域的未来发展方向——数据驱动。这就意味着在天体物理学中,各类知识和信息将能够自动从数据中,而不是从人工制造的物理模型中整合出来。

现在,苏黎世联邦理工学院正在space.ml上着手准备一个开源项目,与全球研究者合作开展这一项跨学科(天体物理学和计算机科学)的开创性工作。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-03-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器人网

学术全景图:机器学习与自然语言处理

2017 年是自然语言处理(NLP)和机器学习(ML)非常高产的一年。两个领域持续增长,会议论文数量纷纷打破记录。本文中我将根据个人作者和组织进行更详细的细分。...

3716
来自专栏专知

16个国际顶尖计算机期刊介绍与作者教程【附写作模板】

【导读】撰写成功的研究论文不仅仅是传播您的知识。大多数期刊都会在提交之前规定适用于您的内容的详细创作指南。许多研究论文甚至因为没有遵循期刊的指导原则而被拒绝。为...

1181
来自专栏大数据文摘

金融风控领域的工业级大数据应用: 如何跨越AI与业务经验结合前的鸿沟?

1702
来自专栏专知

【NIPS2017】深度学习真的不需要理论指导了?图灵奖得主讲座无人问津,贝叶斯之父Judea Pearl落寞身影背后引人深思

【导读】最近NIPS 2017 "Test of Time"论文大奖获得者Ali Rahimi 在长滩现场的演讲中把机器学习称为“炼金术”(Alchemy)引起...

3707
来自专栏大数据文摘

迷人又诡异的辛普森悖论:同一个数据集是如何证明两个完全相反的观点的?

在辛普森悖论中,餐馆可以同时比竞争对手更好或更差,锻炼可以降低和增加疾病的风险,同样的数据集能够用于证明两个完全相反的论点。

1263
来自专栏量子位

LeCun:现在还没有真正的AI系统,机器与生物系统差远了

? 可能我们现在提到的AI都是假AI。 近日,Facebook首席人工智能科学家Yann LeCun在纽约大学坦登工程学院的AI研讨会上谈了谈AI的历史和方向...

3349
来自专栏AI研习社

博客 | 玩转「马里奥」的算法能搞定「口袋妖怪」吗?

现在,你很可能已经听说过机器人玩游戏的水平超过人类了吧。这些机器人的一种设计方法是给它们明确地编程,设定一组输入和一组输出之间的对应关系;或者也可以让它们自主学...

1014
来自专栏AI科技评论

澳门大学陈俊龙:颠覆纵向的「深度」学习,宽度学习系统如何用横向扩展进行高效增量学习?

AI 科技评论按:想必各位读者对深度神经网络及深度学习都不会感到陌生,不论是在数据处理或是应用层面,都取得了斐然的成绩。但囿于结构的复杂性及超参数的数量巨大,一...

42911
来自专栏AI科技评论

干货 | 这里有一篇深度强化学习劝退文

AI 科技评论按:本文作者 Frankenstein,首发于作者的知乎主页,AI科技评论获取授权转载。 今天在学校又双叒叕提到了 Deep Reinforcem...

7476
来自专栏量子位

在鉴定名画真伪这件事上,专家可能要被AI代替了

原作 Jackie Snow Root 编译自 Technology Review 量子位 出品 | 公众号 QbitAI 鉴别画作真假的难度非常大,还特别烧钱...

2814

扫码关注云+社区

领取腾讯云代金券