这个AI系统可以生成人造星系的图像

想象一下:由计算机无人监督的整块布制成的星团,星云和其他星际现象。这可能听起来像是未来派全息甲板的描述,但爱丁堡大学感知研究所和天文学研究所的研究人员在人工智能(AI)的帮助下设计了这样一个系统。

在预印本服务器Arxiv.org上发表的一篇论文(“ 锻造新世界:具有链式生成对抗网络的高分辨率合成星系 ”)中,他们描述了一种能够生成合成星系的高分辨率图像的AI模型,该模型紧跟分布真正的星系。

他们写道:“21世纪的天文学发现自己拥有大量数据,其中大部分都是在捕获过程中过滤掉的,以节省存储空间。” “对于深度学习等现代技术而言,这种增长已经成熟。由于星系是这类应用的主要竞争者,我们探索利用[AI]来产生......星系图像。“

团队机器学习架构的核心是生成对抗网络(GAN),由 生成样本的生成器和试图区分生成的样本和现实样本的 鉴别 器组成的两部分神经网络 。将GAN描述为AI算法的神威者并不是一件容易的事。他们已经习惯了发现新的 药物,创造出令人信服的汉堡和蝴蝶照片 ,甚至可以制作脑癌的人工扫描图像。

提出的星系发生系统由两个五层GAN组成:Stage-I GAN和Stage-II GAN。第一个生成低分辨率图像(64 x 64像素),而第二个使用称为超分辨率的技术将它们转换为更高分辨率的图像(128 x 128像素)。在实践中,研究人员指出,Stage-II GAN幻觉缺失像素,瞄准现实主义而不是准确性。

为了“鼓励”舞台Stage-II GAN中的发生器吐出类似于其放大的真实图像对应物的合成星系图像,该论文的作者引入了一种“双目标函数”,计算出分辨率增强之间的误差度量图像和真正的星系。结果是更多的生成样本保留了星系的“稀有”特征,例如旋臂。

研究人员在具有单个Nvidia GTX 1060 GPU的PC上训练AI系统,从Galaxy Zoo 2数据集(一个众包天文项目)中提供恒星和行星体的全彩色图像。他们在评估结果时考虑了四个属性:椭圆度,或偏离圆度的程度; 水平方向的仰角; 总通量; 和半长轴的尺寸测量(椭圆最长直径的一半)。

研究人员写道,最终,该模型产生的“物理逼真”的星系图像与真实的东西非常相似。他们认为他们的系统可能用于增加真实样本的数据库,实际上是深度学习模型的数据源 - 例如那些用于分类和分割星系图像的模型 - 需要大量的训练样本。

“能够创造逼真的星系图像的生成模型具有许多实际用途,”他们写道。“[我们的]工作证明了GAN架构作为现代天文学的宝贵工具的潜力。”

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181110A14FMQ00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券