Машинное обучение сделало изображения телескопа Джамес Вебб четче

Астрономы разработали новую систему машинного обучения, значительно повышающую разрешающую способность космического телескопа Джамес Вебб (ДжВСТ). Этот метод позволил устранить аппаратные искажения, мешающие наблюдению за тусклыми объектами рядом с яркими звездами, и помог запечатлеть ранее невидимые космические структуры. Об этом сообщает Иксбт.ком сообщает .

Проблема возникла в системе Апертуре Маскинг Интерферометер (АМИ) прибора НИРИСС телескопа. Эффект миграции заряда на сенсорах деформировал интерференционную картину, снижая качество изображения. Чтобы решить эту проблему, ученые создали новую систему под названием АМИГО (Апертуре Маскинг Интерферометрй Генеративе Обсерватионс).

Алгоритм АМИГО создает цифровой двойник телескопа, моделируя работу всей оптики и электроники. Искусственный интеллект автоматически исправляет ошибки, сравнивая реальные данные с синтезированным изображением. Модуль нейронной сети играет важную роль в компенсации нелинейного распределения заряда на сенсорах.

С помощью новой технологии ученым удалось обнаружить субзвездные объекты, такие как ХД 206893 к и ХД 206893 Б, а также вулканические точки на спутнике Юпитера Ио. Это достижение открыло новые возможности для изучения атмосфер экзопланет и наблюдения за объектами вблизи ярких звезд.