Una visión diferente para disfrutar de la magia del Universo
Astronomía - Cosmología - Astrofotografía - Astrofísica - Exploración Espacial

💫Nuevo!! Universo Mágico muestra los catálogos astronómicos más populares. Búscalos en la barra superior de navegación y lateral.

💫Los aficionados ya pueden escribir sobre astronomía. Date de alta como Autor en Universo Mágico Público.

 ðŸ’«Si eres Autor prueba la opción Nueva Entrada

💫Grupos en Facebook: Astroimaging - Stars in the Sky - Astronomy Plus - Astrophotographers

💫Las redes neuronales prometen imágenes más nítidas

Las redes neuronales prometen imágenes más nítidas

22 de febrero de 2017


Las redes neuronales prometen imágenes más nítidas

Los fotogramas aquí muestran un ejemplo de una imagen original de la galaxia (izquierda), la misma imagen deliberadamente degradada (segundo de la izquierda), la imagen después de la recuperación con la red neural (segundo de la derecha), y la imagen procesada con deconvolución.

Los telescopios, los instrumentos de la astronomía, están limitados por el tamaño del espejo o lente que usan. El uso de "redes neuronales", una forma de inteligencia artificial, un grupo de investigadores suizos ahora tienen una manera de superar ese límite, ofreciendo a los científicos la perspectiva de las imágenes más nítidas en astronomía óptica. La nueva obra aparece en un artículo en Avisos Mensuales de la Real Sociedad Astronómica.

El diámetro de su lente o espejo, la llamada abertura, limita fundamentalmente cualquier telescopio. En términos simples, cuanto más grande es el espejo o la lente, más luz se reúne, permitiendo a los astrónomos detectar objetos más débiles y observarlos con más claridad. Un concepto estadístico conocido como "teorema de muestreo de Nyquist" describe el límite de resolución y, por tanto, cuánto detalle se puede ver.

El estudio suizo, dirigido por el Profesor Kevin Schawinski de ETH Zurich, utiliza lo último en tecnología de aprendizaje automático para desafiar este límite. Enseñan una red neuronal, una aproximación computacional que simula las neuronas en un cerebro, cómo son las galaxias, y luego le piden recuperar automáticamente una imagen borrosa y convertirla en una nítida. Al igual que un ser humano, la red neural necesita ejemplos - en este caso una imagen borrosa y aguda de la misma galaxia - para aprender la técnica.

Su sistema utiliza dos redes neuronales que compiten entre sí, un enfoque emergente popular con la comunidad de investigación de aprendizaje de máquina llamada una "red generativa adversarial", o GAN. Todo el programa de enseñanza tomó sólo unas horas en un ordenador de alto rendimiento.

Las redes neuronales capacitadas fueron capaces de reconocer y reconstruir características que el telescopio no pudo resolver -como regiones de formación estelar, barras y carriles de polvo en galaxias. Los científicos la revisaron en contra de la imagen original de alta resolución para probar su rendimiento, encontrándola más capaz de recuperar características que cualquier cosa utilizada hasta la fecha, incluyendo el método de "deconvolución" usado para mejorar las imágenes realizadas en los primeros años del Telescopio Espacial Hubble .

Schawinski ve esto como un gran paso adelante: "Podemos empezar por volver a las encuestas de cielo realizadas con telescopios durante muchos años, ver más detalle que nunca, y por ejemplo aprender más sobre la estructura de las galaxias. No puede entonces aplicar esta técnica a las imágenes más profundas de Hubble, y al próximo Telescopio Espacial James Webb, para aprender más sobre las primeras estructuras del Universo ".

El profesor Ce Zhang, colaborador de la informática, también ve un gran potencial: "La enorme cantidad de datos astronómicos es siempre fascinante para los informáticos, pero cuando aparecen técnicas como el aprendizaje automático, la astrofísica también proporciona un gran banco de pruebas para abordar un problema fundamental Pregunta computacional - ¿cómo podemos integrar y aprovechar el conocimiento que los seres humanos han acumulado durante miles de años, usando un sistema de aprendizaje automático? Esperamos que nuestra colaboración con Kevin también pueda arrojar luz sobre esta cuestión ".

El éxito del proyecto apunta a un futuro más "basado en datos" para la astrofísica en el que la información se aprende automáticamente a partir de datos, en lugar de modelos físicos manualmente elaborados. La ETH de Zúrich acogerá este trabajo sobre la iniciativa de astrofísica / informática espacial space.ml, en la que el código está disponible para el público en general.


Lea más en:
https://phys.org/news/2017-02-neural-networks-sharpest-images.html#jCp

1 comentario:

  1. I never would have thought that AI systems could have the ability to see what the eye cannot see.

    ResponderEliminar






Para visualizar correctamente este sitio web utiliza un navegador basado en Chromium, o Fire Fox. Si te gusta la privacidad se recomienda utilizar Tor Browser.
Para la correcta visualización de la página de Husos Horarios utiliza Internet Explorer.

universo cosmos espacio astonomía cosmología exploración espacial astrofotografía astrofotógrafo astrónomo cosmólogo nebulosa galaxia nube oscura brillante estrella estrellas cúmulo estelar abierto globular planeta sol mercurio venus tierra marte júpiter saturno urano neptuno plutón ceres fobos deimos luna titán encelado europa calisto ganímedes ío caronte hydra nix cometa asteroide cinturón grupo galáctico supercúmulo planetaria emisión reflexión absorción polvo gas atmósfera rayos X gamma cuásar púlsar herbig-haro constelación asterismo fugaces meteoros meteoritossatélite iss estación cohetetelescopio hubble chandra spitzer nustar xmm-newton most very vlt vla vst vista herschel soar ssro sloan rosetta rosat philae osiris subaru campanas kitt keck wilson observatorio palomar calar horizons voyager mpg mycron merlin maven express mariner magellan juno grand canarias gemini hawk galileo galex gaia fuse digited dawn clementine cassini apolo apex alma agujero agujeros polo norte sur sistema solar vacío local big bang oculta coronalunar solar cráter superluna sangre eclipse total parcial ocultación luminiscencia refracción destello anular tránsito protuberancia filamento mancha manchas solares andrómeda messier enana física físico ngc ic trío arp melotte doradus barnard pilares trompa burbuja nuro cabeza cisne cygnus sh2 shapley mz rho sagittarius tarántula magallanes gran pequeña triángulo pickering torre variable binaria espectroscópica bennu thule carinae cygnicom coma virgo cuarteto quinteto cadena energía color markarian tritón molecular supernova nova remanente explosión frente choque einstein caldwell darwin huygens ptolomeo halley piggot gillett hale riccioli gentil newton bode kepler dreyer harding copérnico lacaille loys pierre hawking ciencia científicos cielo arcoiris lenticular espiral elíptica barrada brazo brazos región regiones vdb rcw año luz parsec grado grados celsius farenheit kelvin minuto minutos arco arcominutos oculta llena oscura partículas átomo átomos temperatura millones miles luz espectro universe cosmos space astonomy cosmology space exploration astrophotography astrophotographer astronomer cosmologist nebula galaxy cloud dark shining star stars star cluster open globular planet sun mercury venus earth mars jupiter saturn uranus neptune pluto ceres fobos deimos moon titan waxed europe calist ganymede charontera hydra nix comet aste group hydra nix comet aste group hydra nix comet band galactic planetary supercluster emission reflection absorption dust gas atmosphere x-ray gamma quasar pulsar herbig-haro constellation asterism fleeting meteor meteorite satellite iss station rockettelescope hubble chandra spitzer nustar xmm-newton most very vlt vla vst view herschel soar ssro sloan rosetta rostar ketar keckar ketar ketar ketar subtle rosat ketar roster ketsar keta subar kitty wilson observatory pigeon jello horizons voyager mpg mycron merlin maven express mariner magellan juno grand canarias gemini hawk galileo galex gaia fuse digited dawn clementine cassini apollo apex soul hole aguj eros north pole south solar system empty local big bang hidden coronalunar solar crater supermoon blood eclipse total partial concealment luminescence refraction ring flash transit protuberance filament spot sunspots andromeda messier dwarf physical physics ngc ic trio arp melotte doradus barnard pillars trunk nuro head swan cygnus sh2 shapley mz rho sagittarius tarantula magallanes large small triangle pickering variable tower binary spectroscopic bennu thule carinae cygnicom coma virgo quartet quintet chain energy color markarian molecular triton supernova nova remnant explosion front shock shock einstein caldwell darwin huygens ptolomeo halley piggot gyerton keplentil dd gillett harder keterton gilton kepleton dilton graveyard copernicus lacaille loys pierre hawking science scientists sky rainbow lenticular spiral elliptic barred arm arms region regions vdb rcw year light parsec degree degrees celsius farenheit kelvin minute minutes arc minute arch hidden full dark particles atom atoms temperature millions thousand light spectrum