利用生成对抗网络生成M87*黑洞图像
星系天体物理
2023-12-05 v1 机器学习
图像与视频处理
摘要
本文介绍了一种基于条件渐进式生成对抗网络（CPGAN）的新型数据增强方法，用于生成多样化的黑洞图像，考虑了自旋和电子温度分布的变化。这些生成的图像是训练深度学习算法以从观测数据准确估计黑洞参数的宝贵资源。我们的模型可以在给定电子温度分布的情况下，为[-1, 1]范围内的任意自旋值生成黑洞图像。为验证方法的有效性，我们使用卷积神经网络预测黑洞自旋，分别基于GRMHD图像和我们模型生成的图像。结果表明，当使用增强数据集进行训练而使用GRMHD模拟数据进行测试时，性能显著提升，如高R²分数所示。因此，我们提出GAN可作为黑洞图像生成的成本效益模型，并可靠地增强其他参数化算法的训练数据集。
引用
@article{arxiv.2312.01005,
title = {Generating Images of the M87* Black Hole Using GANs},
author = {Arya Mohan and Pavlos Protopapas and Keerthi Kunnumkai and Cecilia Garraffo and Lindy Blackburn and Koushik Chatterjee and Sheperd S. Doeleman and Razieh Emami and Christian M. Fromm and Yosuke Mizuno and Angelo Ricarte},
journal= {arXiv preprint arXiv:2312.01005},
year = {2023}
}
备注
11 pages, 7 figures. Accepted by Monthly Notices of the Royal Astronomical Society Journal