想象一（yī）下，星团、星云和其他星际现象都是由计算机（jī）在无人监督的情况下凭空生（shēng）成的（de）。这听起（qǐ）来可（kě）能像是对未来（lái）全息技术的描（miáo）述，但是爱丁堡大学感知（zhī）研究所（suǒ）和（hé）天（tiān）文学研（yán）究所的研究（jiū）人员，就在人工智能的帮助下设计了这（zhè）样一（yī）个系统。

研究人员描述了一种人工智能模型（xíng），该模型（xíng）能够生成合成星系的高分（fèn）辨率图像，这些图（tú）像遵循（xún）了真实的星系分布。

“21世纪的天（tiān）文学发现（xiàn）自己拥有（yǒu）大（dà）量数据（jù），大部分数据在捕（bǔ）获（huò）时会被过滤掉，以节省内存（cún）存储，”他们写道。“对于深度（dù）学习等现代技术来说，进（jìn）入这一（yī）领域的时机已经（jīng）成熟。星系在（zài）这类应用中起了关键作（zuò）用，我们探索了利用人工智能来生成星系图像的可能性。”

该团队机器学习架（jià）构的核心是生成对抗性网络（GAN）——由（yóu）生成样（yàng）本（běn）的生成（chéng）器和（hé）试（shì）图区分（fèn）生成样本和真实样本的鉴别器组成的两部分神经网络。将GAN描述（shù）为AI算（suàn）法中的“神（shén）童”并不夸张（zhāng）；它们被用来（lái）发现新（xīn）药，制作（zuò）令人信服（fú）的汉堡和（hé）蝴蝶照片，甚至生（shēng）成脑癌（ái）的人（rén）工扫描图。

这一星系（xì）生（shēng）成系统由两（liǎng）个五（wǔ）层GANs组成：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（dì）二个使（shǐ）用一种叫做超分辨率的技术将它（tā）们转换（huàn）成高分辨率图像（128x128像（xiàng）素）。研究人员（yuán）指出（chū），在实际（jì）过程中，阶段二（èr）GAN会自我填（tián）充（chōng）缺失的像素，更加（jiā）注重现实性而非（fēi）准确性。

为了（le）“鼓励（lì）”阶段二GAN中的生成器生成类似（sì）于放（fàng）大实像对应物的（de）合成星系图像（xiàng），该论文作者引入了一个“双目标（biāo）函数”，该函数计算了分辨率增强图像和实像之间（jiān）的误差标准。其结果是（shì）生（shēng）成了大（dà）量保留星（xīng）系“更稀有”特征的样（yàng）本，如（rú）旋臂。

研究人员使用（yòng）英伟达GTX 1060 GPU在PC上训练人（rén）工智能系统（tǒng），并为其提供来自Galaxy Zoo 2数据集的恒星和行星体的全色（sè）图像，Galaxy Zoo 2是（shì）一个众（zhòng）包天（tiān）文学（xué）项目。他们在评（píng）估结果时考虑了四个属性：椭圆度，或偏离圆形度的程度（dù）；与（yǔ）水平面（miàn）的（de）仰角；总流量；以（yǐ）及（jí）半（bàn）长轴（zhóu）（椭（tuǒ）圆最（zuì）长（zhǎng）直径的（de）一半）的（de）尺寸测量。

在（zài）论文的最（zuì）后，研（yán）究人员（yuán）写道，该（gāi）模型（xíng）生成了（le）非常类（lèi）似真实（shí）星系“物理真实”的图像。他们（men）认为，这一系统（tǒng）可以被用来扩充真实样本的（de）数（shù）据库，实（shí）际上这也是深度学（xué）习模（mó）型的数据（jù）源（yuán）。

“能够创建物理真实的星系图像生（shēng）成模型有许多实际用途，”他们写道。“我们的工作展示了GAN架（jià）构作为现（xiàn）代天文学宝贵工具的潜力。”