锻造新世界：基于链式生成对抗网络的高分辨率合成星系
天体物理仪器与方法
2019-03-19 v3 星系天体物理
机器学习
机器学习
摘要
21世纪的天文学日益面临极大量的数据。这种数据增长非常适合深度学习图像处理等现代技术，其有潜力使天文学家自动识别、分类、分割并解混各类天体。在本文中，我们探索使用链式生成对抗网络（GANs，一类通过对数据联合分布建模来学习从潜空间到数据分布映射的生成模型）生成物理上逼真的星系图像，作为此类模型的一个用例。在宇宙学中，此类数据集可通过用合成图像扩充数据，辅助弱引力透镜形状测量的标定。通过测量多个物理属性的分布，我们表明用我们的方法生成的图像紧密遵循真实星系的分布，进一步确立了最先进的 GAN 架构作为现代天文学有力工具的地位。
引用
@article{arxiv.1811.03081,
title = {Forging new worlds: high-resolution synthetic galaxies with chained generative adversarial networks},
author = {Levi Fussell and Ben Moews},
journal= {arXiv preprint arXiv:1811.03081},
year = {2019}
}
备注
13 pages, 9 figures