科研人员提出生成式AI跨望远镜图像预测方法

IT时代网10月17日消息，

研究团队采用 Euclid 首次快速数据发布的 VIS 图像，其覆盖天区远小于背景巡天，多数背景巡天星系暂无公开的 Euclid VIS 图像。团队采用图像到图像的薛定谔桥扩散模型，利用暗能量光谱巡天与 Euclid 快速数据发布重叠天区内的 82830 对真实配对图像进行训练与验证，以地面 r 波段图像为起点，结合 z 波段图像作为条件，逐步迭代生成结构比原始地面输入更精细的 Euclid VIS 波段预测图像。

团队利用独立测试集从频域、结构参数两个维度评估模型。在频域中，预测图像与 Euclid 实测图像的相关尺度优于地面观测，可在更小的角尺度上与实测图像保持统计相关。在结构参数层面，预测结果的 Petrosian 半径、Sérsic 有效半径、Sérsic 指数三项参数与 Euclid VIS 测量结果的中位偏差绝对值均优于地面 r 波段结果，但该提升主要体现在样本整体的中位偏差，残差的离散程度并未得到改善。

团队还为 Euclid 首次数据发布预计覆盖天区内的背景巡天目标生成 VIS 波段预测图像，并构建公开了相应数据集，这些目标暂无公开的 Euclid 实测图像，后续将利用首次数据发布数据开展独立检验。研究指出，该方法的价值不仅在于获得更清晰的图像，更在于探索 AI 依托现有观测线索获取可靠星系结构测量信息的潜力，同时明确了局限，预测图像中的小尺度特征无法保证与实测结构逐一匹配。

注：本文配图由AI生成，文中包含AI辅助创作的内容。

编辑：刘宁