محاكاة صور المجرات الواقعية باستخدام نماذج توليدية تعتمد على الدالة العددية

نُظهر أن نموذج التفريغ الاحتمالي التفاضلي (DDPM)، وهو فئة من النماذج التوليدية القائمة على التقدير (score-based)، يمكن استخدامه لإنتاج صور وهمية واقعية تُقلّد ملاحظات المجرات. تم اختبار منهجيتنا باستخدام صور المجرات من العينة المُسماة PROBES (القياسات الفوتومترية ودوائر الدوران من الملاحظات الخارجة عن المجرة) التي تم جمعها بواسطة أداة التحليل الطيفي للطاقة المظلمة (DESI) في الموجات grz، وكذلك باستخدام مجرات مختارة من التحقيق الرقمي سلون (Sloan Digital Sky Survey). من الناحية الذاتية، تبدو المجرات المُولّدة واقعية للغاية عند مقارنتها مع عينات من البيانات الحقيقية. ونُقِسَ التشابه من خلال الاعتماد على أدبيات التعلم التوليدية العميقة، باستخدام مقياس "المسافة الفريشيت إنسيبشن" (Fréchet Inception Distance) لاختبار التشابه الذاتي والهيكلي. كما نقدّم مقياسًا جديدًا يُسمى "مسافة المجرة الاصطناعية" (Synthetic Galaxy Distance) لمقارنة الخصائص الفيزيائية الناتجة (مثل اللمعان الكلي، اللون، ونصف نصف القطر الضوئي) بين مجموعة البيانات الأصلية (الأم) والبيانات المُولّدة (الابنة). ونُجادل بأن منهجية DDPM تُنتج صورًا أكثر وضوحًا وواقعية مقارنةً بأساليب توليد أخرى مثل الشبكات المُعاكسة (Adversarial Networks)، رغم أن هذه الأخيرة تُعاني من تكلفة أعلى في عملية الاستنتاج. ويمكن استخدام هذه الطريقة لتكوين عينات كبيرة من الملاحظات الاصطناعية المصممة خصيصًا لاستقصاءات تصوير معينة. نُظهر حالتين محتملتين لاستخدام DDPM: (1) إصلاح البيانات المُغطاة أو المُعطلة، مثل خطوط القمر الصناعي، و(2) نقل المجال (domain transfer)، حيث يمكن معالجة صور جديدة لتعكس خصائص مجموعة التدريب الخاصة بـ DDPM. ونُقدّم هنا مثالًا تجريبيًا على "تحويل الصور الكاريكاتورية إلى شكل يشبه بيانات DESI" كدليل على مفهوم نقل المجال. وأخيرًا، نقترح تطبيقات محتملة لأساليب التقدير (score-based) التي قد تُحفّز بحوثًا إضافية في هذا المجال ضمن المجتمع الفلكي.