Astronomisten kohteiden havaitsemista rajoittaa teleskoopin peilin halkaisija sekä sensorin ja taustataivaan kohina.

Haastaakseen näiden tekijöiden aiheuttamia rajoituksia tähtikuvissa Kevin Schawinski Zürichin ETH-korkeakoulusta kääntyi kollegoidensa kanssa koneoppimisen puoleen.

Neuroverkko jäljittelee ihmisen tapaa oppia esimerkin avulla. Schawinskin tiimin kahdelle kilpailevalle neuroverkolle antamat esimerkit olivat yli 4000 Sloan Digital Sky Survey -projektin tuottamaa galaksikuvaa. Toinen oli terävä alkuperäinen kuva ja toinen sumennettu versio siitä.

Kun neuroverkko oli näillä kuvapareilla treenattu – mikä kesti vain muutamia tunteja tehokkaalla tietokoneella – se laitettiin tositoimiin. Ilmeni, että neuroverkko kykeni kaivamaan huononnetuista kuvista ulos yksityiskohtia paremmin kuin mikään tähän mennessä käytetty kuvankäsittelytekniikka.

Shawinski näkee menetelmän merkittävänä askeleena eteenpäin. Sitä voidaan hänen mukaansa aluksi käyttää vaikkapa vuosia sitten tehtyihin taivaskartoituksiin.

"Ei ole mitään syytä, miksi emme voisi sitten solveltaa tätä menetelmää myös syvimpiin Hubblen kuviin tai tulevan James Webb -avaruusteleskoopin kuviin oppiaksemme lisää varhaisen universumin rakenteesta", hän lisää.

Aiheesta lisää Royal Astronomical Society (englanniksi)