Використання штучних нейронних мереж дозволяє отримувати більш чіткі знімки космічних об’єктів

Можливості навіть найсучасніших телескопів, які є основним видом астрономічних інструментів, обмежені розмірами їх апаратури, діаметром їх лінз або дзеркала.

Чим більше апаратури телескопа, тим більше світла потрапляє в його об’єктив і тим більше високоякісні знімки він може зробити. Однак, дослідники зі Швейцарського федерального технологічного інституту (Swiss Federal Institute of Technology, ETH) в Цюріху знайшли спосіб, що дозволяє подолати фундаментальні обмеження, які визначаються так званою теоремою Найквіста-Шеннона (теорема Котельникова), а полягає цей спосіб у використанні двох конкуруючих штучних нейронних мереж , які пройшли через процес спеціалізованого попереднього навчання.

Нейронні мережі були створені групою, очолюваною професором Кевіном Шавінскі (Kevin Schawinski), яка і зробила їх навчання на наборі високоякісних знімків галактик і інших космічних об’єктів, супроводжуваних зображеннями з штучно заниженим рівнем якості і роздільної здатності. Після цього вчені задали нейронних мереж зворотну задачу, завдання перетворення нечіткого зображень в більш якісне.

В системі, створеній швейцарськими дослідниками, використовуються дві незалежних нейронних мережі, що конкурують між собою. Така технологія має назву “generative adversarial network”, вона вимагає більш складного процесу попереднього навчання, який тривав кілька годин навіть за умови використання високопродуктивного комп’ютера в даному випадку. Але така технологія дозволяє отримати більш якісні результати, ніж технології, в яких використовується єдина нейронна мережа.

Навчені нейронні мережі змогли розпізнати і відновити за деякими ознаками настільки дрібні особливості космічних об’єктів, які не зміг побачити телескоп в силу обмежень його оптичної системи. Отримане зображення мало більш високий рівень деталізації, ніж чим навіть високоякісне вихідне зображення, а дана технологія забезпечує набагато вищу якість результату, ніж технологія “зворотної згортки” (deconvolution), яка використовується зараз для поліпшення якості знімків, зроблених космічним телескопом Hubble і іншими телескопами.

“За допомогою нової технології ми можемо провести повторну обробку всіх даних, накопичених астрономами за попередній період часу. Це дозволить нам, не проводячи додаткових спостережень, отримати знімки з більш високим рівнем деталізації з яких ми зможемо дізнатися багато нового про будову зоряних систем, структурі галактик і їх скупченні “- пишуть дослідники, -” Більш того, ми збираємося виробляти таку обробку всіх нових знімків, які робитиме телескоп Hubble, майбутній телескоп James Webb Space Telescope, що дозволить нам дізнатися багато нового про структуру Всесвіту і про процеси, що відбуваються в її глибинах “.

А незабаром, по завершенню ряду необхідних робіт, швейцарські дослідники збираються помістити код створених ними нейронних мереж у відкритий доступ. Це відкриє цілий ряд нових можливостей для дослідницьких груп з усіх куточків земної кулі, яким доводиться мати справу зі знімками глибин космічного простору.