想象（xiàng）一下（xià），星团、星云和其他星际（jì）现象都是由（yóu）计算机在无（wú）人监督（dū）的情况下凭空（kōng）生成的。这听起来可能（néng）像（xiàng）是对未来（lái）全息技术（shù）的描述，但是爱丁堡大学（xué）感知研究（jiū）所和天文学研究所的研（yán）究人员，就在人工（gōng）智能的帮助下（xià）设计了这样一个系统。

研究人员描述了（le）一（yī）种人工（gōng）智能模型，该模型（xíng）能（néng）够生成合成星（xīng）系的高（gāo）分辨率图像，这些（xiē）图像遵循（xún）了（le）真实的星系分布。

“21世纪（jì）的天文学发现自（zì）己拥有大量数据（jù），大部分数据在捕获时会被过滤掉（diào），以节省内（nèi）存存储，”他们写道。“对于（yú）深度学习等现代（dài）技术来说，进入这（zhè）一（yī）领域的时机（jī）已经成（chéng）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（zhì）能来生成星（xīng）系图像的可能性。”

该（gāi）团队机器学习架（jià）构的（de）核心是生成对抗性网络（GAN）——由（yóu）生成样本的生成器和试图（tú）区分生成（chéng）样本和真实（shí）样本（běn）的（de）鉴别器组成的两部分神经网络。将GAN描述为AI算法中（zhōng）的“神（shén）童”并不夸张；它们被用来发现新药，制（zhì）作令人信服的（de）汉堡和蝴蝶（dié）照片（piàn），甚至生成脑癌的（de）人工（gōng）扫描图。

这一星系（xì）生（shēng）成（chéng）系统由两个五层GANs组成：阶段一GAN和阶段二（èr）GAN。第（dì）一个生成低分（fèn）辨率图像（64x64像素），而第二个使（shǐ）用一种叫做超分辨（biàn）率的技术将它们（men）转换（huàn）成（chéng）高（gāo）分辨率图像（128x128像素）。研究人员指出，在实际过（guò）程中，阶段二GAN会自我填充缺失的像素（sù），更加注重（chóng）现实性而非（fēi）准（zhǔn）确性。

为（wéi）了“鼓励”阶（jiē）段二GAN中的生成器生成类似于放大实像对应物的合（hé）成星系图像，该（gāi）论文作者引入了一（yī）个“双目标函数”，该（gāi）函数（shù）计算了分辨率（lǜ）增强（qiáng）图像和实像之间（jiān）的（de）误（wù）差标准。其结果是生成了大量保留星系“更稀（xī）有”特征（zhēng）的样本，如（rú）旋臂（bì）。

研究人员（yuán）使用英（yīng）伟达GTX 1060 GPU在PC上（shàng）训练（liàn）人工智（zhì）能系统，并为其（qí）提供（gòng）来自Galaxy Zoo 2数据（jù）集（jí）的恒星和行星体的（de）全（quán）色图（tú）像，Galaxy Zoo 2是一（yī）个众包天文（wén）学项（xiàng）目。他们在（zài）评估结果（guǒ）时考虑（lǜ）了四个属性（xìng）：椭圆度，或偏离圆（yuán）形度的程度（dù）；与水平（píng）面的仰角；总流量（liàng）；以及半长（zhǎng）轴（椭圆最长直径（jìng）的（de）一（yī）半）的尺寸测（cè）量（liàng）。

在论文的（de）最后，研究人员写道（dào），该模（mó）型（xíng）生成了非常类似真实星系（xì）“物（wù）理真（zhēn）实”的图像。他们认为（wéi），这一系统（tǒng）可以被用来扩充真（zhēn）实样本的数据库，实际上这也是（shì）深度学习模（mó）型的数据源。

“能够（gòu）创建物理真实的星系图像生成模（mó）型有许多（duō）实际（jì）用途，”他们写道。“我们的工作（zuò）展示了（le）GAN架构作为现代天文学宝贵工具的（de）潜力。”