天文
AI算法让宇宙更清晰
模拟图像以匹配Vera C. Rubin Observatory的Legacy Survey of Space and Time(LSST)的参数。为了模拟图像，研究人员从Hubble Space Telescope(在COSMOS数据集中)获取了高分辨率、无大气影响的图像，使用名为GalSim的软件包模拟大气效应，并插入LSST参数，然后将分辨率降低到LSST的较低分辨率。
如果地球的大气不总是在照片中出现，宇宙会看起来好很多。
即使是世界上最好的地面望远镜获得的图像也会因大气中不断变化的气囊而变得模糊。虽然看似无害，但这种模糊掩盖了天文图像中物体的形状，有时会导致充满错误的物理测量结果，这些结果对于理解我们宇宙的本质至关重要。
现在，美国西北大学和北京清华大学的研究人员揭示了解决这个问题的新策略。该团队改编了一种用于锐化照片的众所周知的计算机视觉算法，并首次将其应用于地面望远镜拍摄的天文图像。研究人员还使用数据模拟训练了人工智能(AI)算法，以匹配Vera C. Rubin Observatory的成像参数，因此，当天文台明年开放时，该工具将立即兼容。
虽然天体物理学家已经使用技术消除了模糊，但改编后的AI驱动算法比当前技术更快，并产生比当前技术更逼真的图像。生成的图像没有模糊，并更接近真实。它们也很漂亮——尽管这不是该技术的目的。
“摄影的目标通常是获得漂亮、好看的图像，”该研究的高级作者、西北大学的Emma Alexander说。“但天文图像用于科学。通过正确地清理图像，我们可以获得更准确的数据。该算法通过计算消除大气，使物理学家能够获得更好的科学测量结果。归根结底，图像看起来也更好。”
这项研究将于3月30日发表在《皇家天文学会月报》上。
Alexander是西北大学麦考密克工程学院计算机科学助理教授，在她运营的生物启发式视觉实验室担任负责人。她与清华大学电气工程本科生、Alexander实验室的研究实习生Tianao Li共同领导了这项新研究。
当光线从遥远的恒星、行星和星系发出时，它会穿过地球的大气层，然后才到达我们的眼睛。我们的大气不仅会阻挡某些波长的光线，还会扭曲到达地球的光线。即使在晴朗的夜空中，仍然有移动的空气影响着通过它传递的光线。这就是为什么星星会闪烁，以及为什么最好的地面望远镜位于海拔较高、大气最稀薄的地方。
“这有点像从游泳池底部往上看，”Alexander说。“水会推动光线并扭曲它。当然，大气要稀薄得多，但这是一个类似的概念。”
研究人员使用AI算法消除了模拟大气模糊，揭示了真实逼真的图像。
当天体物理学家分析图像以提取宇宙学数据时，模糊变成了一个问题。通过研究星系的表观形状，科学家可以检测到大规模宇宙结构的引力效应，这些结构会在光线到达我们的星球时弯曲光线。这可能会导致一个椭圆形星系看起来比它实际上更圆或更拉长。但大气模糊以一种扭曲星系形状的方式涂抹图像。消除模糊使科学家能够收集准确的形状数据。
“形状上的细微差异可以告诉我们关于宇宙中的重力，”Alexander说。“这些差异已经很难检测了。如果你看一张来自地面望远镜的图像，一个形状可能会被扭曲。很难知道那是因为引力效应还是大气。”
为了解决这个挑战，Alexander和Li将优化算法与深度学习网络相结合，该网络经过天文图像训练。在训练图像中，团队包括了与Rubin Observatory预期成像参数相匹配的模拟数据。与用于消除模糊的经典方法相比，结果工具产生了38.6%更少的误差，并且与现代方法相比，误差减少了7.4%。
当Rubin Observatory明年正式开放时，其望远镜将开始在夜空的一个巨大部分进行为期十年的深度调查。由于研究人员使用新工具训练了专门设计用于模拟Rubin即将到来的图像的数据，因此它将能够帮助分析调查备受期待的数据。
对于有兴趣使用该工具的天文学家来说，开源、用户友好的代码和配套教程都可以在线获得。
“现在我们把这个工具交给天文专家手中，”Alexander说。“我们认为这可能是一个有价值的资源，可以帮助天空调查获得最逼真的数据。”