想象一下（xià），星团、星（xīng）云和其他星际（jì）现象都是由计算机在无（wú）人监督的（de）情（qíng）况下凭空生成的。这听起来可（kě）能像是对未来全息技术的描述，但是爱（ài）丁堡（bǎo）大学感知研究所（suǒ）和（hé）天文学研（yán）究所的（de）研究（jiū）人员，就在人工智能的（de）帮助下设计了这（zhè）样（yàng）一个（gè）系统。

研究人员描述了一种人工（gōng）智能模型，该模型能够（gòu）生成合成星系的高分辨率图像，这些图像遵循（xún）了真实的星系分（fèn）布（bù）。

“21世纪的天文学发现自己拥有大量数据，大部分数据在捕获（huò）时会被过（guò）滤掉，以（yǐ）节省内存存储，”他们写道。“对于深（shēn）度（dù）学习等现代技术来说，进入这一（yī）领域的（de）时机已经成熟。星系在（zài）这类（lèi）应（yīng）用中（zhōng）起了关（guān）键（jiàn）作用，我们探（tàn）索了利用（yòng）人工（gōng）智（zhì）能（néng）来生成星系图像的可能性。”

该团队机器学（xué）习架构（gòu）的核心是生（shēng）成对（duì）抗性网（wǎng）络（GAN）——由生成样本的（de）生成器（qì）和试图区（qū）分（fèn）生成样本和（hé）真实样本的鉴（jiàn）别器组（zǔ）成的两部分神（shén）经网络。将GAN描述为AI算法中的“神童”并不夸张；它（tā）们被用（yòng）来（lái）发现新药，制作令人信服（fú）的汉堡和（hé）蝴蝶照（zhào）片，甚至生成脑癌（ái）的人工扫（sǎo）描图（tú）。

这（zhè）一星（xīng）系生成系统由两个（gè）五层（céng）GANs组成：阶段一GAN和阶段二（èr）GAN。第（dì）一个生成（chéng）低分辨率（lǜ）图像（64x64像素），而第（dì）二个使用一种叫做（zuò）超（chāo）分辨率（lǜ）的技术将它们转换（huàn）成高分辨率图（tú）像（128x128像素）。研究（jiū）人员指出，在实（shí）际（jì）过程中，阶段二GAN会（huì）自我填充缺失的像（xiàng）素，更加注重（chóng）现实性而非准确性。

为了“鼓励”阶（jiē）段二GAN中的生成器生成类似于放大实像对应（yīng）物的（de）合成星（xīng）系图像（xiàng），该论文作者引入了一个“双目（mù）标函数”，该函数计算了分（fèn）辨率增强图（tú）像和实像（xiàng）之间的误差标准。其结果是生成了（le）大量保留（liú）星（xīng）系“更稀（xī）有”特征的样本，如旋臂（bì）。

研究人员使用（yòng）英伟达（dá）GTX 1060 GPU在PC上训练人工智能系统，并为其提供来（lái）自Galaxy Zoo 2数（shù）据集的恒（héng）星和行星体（tǐ）的全色图像，Galaxy Zoo 2是（shì）一个众包天文（wén）学项目。他们在（zài）评（píng）估结果时考虑了四个属性：椭圆度（dù），或偏离圆形度的程度（dù）；与（yǔ）水平面的仰角；总流量；以（yǐ）及（jí）半长轴（椭圆最长（zhǎng）直径的一半）的尺寸测量。

在论文的最（zuì）后（hòu），研究人员写道，该模型生成了非常类（lèi）似真实星系“物理真（zhēn）实”的图像。他（tā）们（men）认为，这一系统可以（yǐ）被（bèi）用（yòng）来扩充真实样本的数据库，实际上这也是深度学习（xí）模型的数据（jù）源。

“能够创（chuàng）建物理真实的星系图像生成模型有许多（duō）实际用途，”他们写道。“我（wǒ）们的工作（zuò）展示了GAN架构作为现（xiàn）代天文（wén）学宝贵工具（jù）的潜力（lì）。”