想象一下，星团（tuán）、星云和其他星际（jì）现（xiàn）象都是由计算（suàn）机在无人监督的情况（kuàng）下凭（píng）空生成（chéng）的。这听起（qǐ）来可能像是对未来（lái）全息技术的描述，但是爱丁堡大学感知研究所和（hé）天文（wén）学（xué）研究所的研究人（rén）员，就在人（rén）工智能（néng）的帮助下（xià）设计了这（zhè）样一个系统。

研究人员描（miáo）述了一种（zhǒng）人工智能（néng）模（mó）型，该模型能（néng）够生成合成星（xīng）系的高（gāo）分辨率图像，这些图像遵循了真实（shí）的星（xīng）系（xì）分布（bù）。

“21世纪的天文学发现自己拥有大（dà）量（liàng）数据，大（dà）部分数据在捕获时会被过滤掉，以节省内存存储，”他们写道。“对于（yú）深度学（xué）习等现（xiàn）代技术来说，进入这一领域的（de）时机（jī）已经成熟。星系在这类应（yīng）用中起了关键作用，我们探索了利用人工智能来生成星系（xì）图像的可（kě）能性。”

该团队机器（qì）学习架构的核心（xīn）是生成对抗性网络（GAN）——由（yóu）生成样本的生成器和（hé）试图区分生成（chéng）样本和真实（shí）样本（běn）的鉴（jiàn）别器组成的两部分（fèn）神经（jīng）网络。将GAN描（miáo）述为（wéi）AI算法中的（de）“神童（tóng）”并不夸张；它们被用（yòng）来发现（xiàn）新药（yào），制（zhì）作（zuò）令人（rén）信（xìn）服的汉堡和蝴蝶照片，甚（shèn）至生成（chéng）脑癌的人工（gōng）扫描图（tú）。

这（zhè）一星系生成系统由两个五层GANs组（zǔ）成：阶段一GAN和阶段二GAN。第一个生成（chéng）低分辨率图像（64x64像素），而（ér）第二个使用一（yī）种叫做（zuò）超分辨率的技（jì）术将它（tā）们转换成高（gāo）分辨率图像（128x128像素）。研究人员指出，在实际过程中，阶段二GAN会自我填充缺失的像素，更（gèng）加注重现实性而（ér）非准确性。

为（wéi）了（le）“鼓励（lì）”阶段二GAN中的生（shēng）成器生成类似于放大实像对应物的合成星系图像，该论（lùn）文作者引入了（le）一个“双目标函数”，该函（hán）数计算了（le）分辨率增强图像和实像之间的（de）误差标（biāo）准。其（qí）结果是生（shēng）成（chéng）了（le）大量（liàng）保留星（xīng）系“更稀有”特征的样本（běn），如旋臂（bì）。

研究人员使用英（yīng）伟达GTX 1060 GPU在PC上训练人工（gōng）智（zhì）能系统，并（bìng）为其提供来自Galaxy Zoo 2数据集的恒星和行星（xīng）体的全色图像（xiàng），Galaxy Zoo 2是（shì）一个众（zhòng）包天文学项目。他们在评估结（jié）果时考虑了（le）四个属性：椭圆度（dù），或偏离圆形度的程度；与水平面的（de）仰角；总（zǒng）流量；以及（jí）半（bàn）长轴（椭圆最长直径的一半）的尺寸测量。

在（zài）论文的最（zuì）后，研（yán）究人（rén）员写道（dào），该模型生（shēng）成（chéng）了非常类似真实星系“物理真实”的图像。他们认为，这一系（xì）统可以被用来扩充真实样本的数据（jù）库，实际上这也是深度学（xué）习（xí）模型的（de）数（shù）据（jù）源。

“能够创建物理真实的星系图像生成模型（xíng）有（yǒu）许多实际用途（tú），”他（tā）们写道。“我们的工作展示了GAN架构作为现代天文学宝贵（guì）工具的潜（qián）力。”