Использование искусственных нейронных сетей позволяет получать более четкие снимки далеких космических объектов

Вoзмoжнoсти дaжe сaмыx сoврeмeнныx тeлeскoпoв, кoтoрыe являются oснoвным видoм aстрoнoмичeскиx инструмeнтoв, oгрaничeны рaзмeрaми их апертуры, диаметром их линз или зеркала. Чем больше апертура телескопа, тем больше света попадает в его объектив и тем более высококачественные снимки он может сделать. Однако, исследователи из Швейцарского федерального технологического института (Swiss Federal Institute of Technology, ETH) в Цюрихе нашли способ, позволяющий преодолеть фундаментальные ограничения, определяемые так называемой теоремой Найквиста-Шеннона (теорема Котельникова), а заключается этот способ в использовании двух конкурирующих искусственных нейронных сетей, прошедших через процесс специализированного предварительного обучения.

Нейронные сети были созданы группой, возглавляемой профессором Кевином Шавински (Kevin Schawinski), которая и произвела их обучение на наборе высококачественных снимков галактик и других космических объектов, сопровождаемых изображениями с искусственно заниженным уровнем качества и разрешающей способности. После этого ученые задали нейронным сетям обратную задачу, задачу превращения нечеткого изображений в более качественное.

В системе, созданной швейцарскими исследователями, используются две независимых нейронных сети, конкурирующие друг с другом. Такая технология имеет название «generative adversarial network», она требует более сложного процесса предварительного обучения, который длился несколько часов даже при условии использования высокопроизводительного компьютера в данном случае. Но такая технология позволяет получить более качественные результаты, чем технологии, в которых используется единственная нейронная сеть.

Обученные нейронные сети смогли распознать и восстановить по некоторым признакам столь мелкие особенности космических объектов, которые не смог увидеть телескоп в силу ограничений его оптической системы. Полученное изображение имело более высокий уровень детализации, нежели чем даже высококачественное исходное изображение, а данная технология обеспечивает гораздо более высокое качество результата, чем технология «обратной свертки» (deconvolution), используемая сейчас для улучшения качества снимков, сделанных космическим телескопом Hubble и другими телескопами.

«При помощи новой технологии мы можем произвести повторную обработку всех данных, накопленных астрономами за предыдущий период времени. Это позволит нам, не проводя дополнительных наблюдений, получить снимки с более высоким уровнем детализации из которых мы сможем узнать много нового о строении звездных систем, структуре галактик и их скоплении» — пишут исследователи, — «Более того, мы собираемся производить такую обработку абсолютно всех новых снимков, которые будет делать телескоп Hubble, будущий телескоп James Webb Space Telescope, что позволит нам узнать много нового о структуре Вселенной и о процессах, происходящих в ее глубинах».

А в скором времени, по завершению ряда необходимых работ, швейцарские исследователи собираются поместить код созданных ими нейронных сетей в открытый доступ. Это откроет целый ряд новых возможностей для исследовательских групп со всех уголков земного шара, которым приходится иметь дело со снимками глубин космического пространства.