Возможности даже самых современных телескопов, которые являются основным видом астрономических инструментов, ограничены размерами их апертуры, диаметром их линз или зеркала. Чем больше апертура телескопа, тем больше света попадает в его объектив и тем более высококачественные снимки он может сделать. Однако, исследователи из Швейцарского федерального технологического института (Swiss Federal Institute of Technology, ETH) в Цюрихе нашли способ, позволяющий преодолеть фундаментальные ограничения, определяемые так называемой теоремой Найквиста-Шеннона (теорема Котельникова), а заключается этот способ в использовании двух конкурирующих искусственных нейронных сетей, прошедших через процесс специализированного предварительного обучения.

Нейронные сети были созданы группой, возглавляемой профессором Кевином Шавински (Kevin Schawinski), которая и произвела их обучение на наборе высококачественных снимков галактик и других космических объектов, сопровождаемых изображениями с искусственно заниженным уровнем качества и разрешающей способности. После этого ученые задали нейронным сетям обратную задачу, задачу превращения нечеткого изображений в более качественное.

В системе, созданной швейцарскими исследователями, используются две независимых нейронных сети, конкурирующие друг с другом. Такая технология имеет название «generative adversarial network», она требует более сложного процесса предварительного обучения, который длился несколько часов даже при условии использования высокопроизводительного компьютера в данном случае. Но такая технология позволяет получить более качественные результаты, чем технологии, в которых используется единственная нейронная сеть.

Обученные нейронные сети смогли распознать и восстановить по некоторым признакам столь мелкие особенности космических объектов, которые не смог увидеть телескоп в силу ограничений его оптической системы. Полученное изображение имело более высокий уровень детализации, нежели чем даже высококачественное исходное изображение, а данная технология обеспечивает гораздо более высокое качество результата, чем технология «обратной свертки» (deconvolution), используемая сейчас для улучшения качества снимков, сделанных космическим телескопом Hubble и другими телескопами.

«При помощи новой технологии мы можем произвести повторную обработку всех данных, накопленных астрономами за предыдущий период времени. Это позволит нам, не проводя дополнительных наблюдений, получить снимки с более высоким уровнем детализации из которых мы сможем узнать много нового о строении звездных систем, структуре галактик и их скоплении» — пишут исследователи, — «Более того, мы собираемся производить такую обработку абсолютно всех новых снимков, которые будет делать телескоп Hubble, будущий телескоп James Webb Space Telescope, что позволит нам узнать много нового о структуре Вселенной и о процессах, происходящих в ее глубинах».

А в скором времени, по завершению ряда необходимых работ, швейцарские исследователи собираются поместить код созданных ими нейронных сетей в открытый доступ. Это откроет целый ряд новых возможностей для исследовательских групп со всех уголков земного шара, которым приходится иметь дело со снимками глубин космического пространства.