Realistische Galaxienbildsimulation mittels score-basierten generativen Modellen

Wir zeigen, dass ein Denoising Diffusion Probabilistic Model (DDPM), eine Klasse von score-basierten generativen Modellen, zur Erzeugung realistischer Mock-Bilder eingesetzt werden kann, die Beobachtungen von Galaxien nachahmen. Unsere Methode wird anhand von grz-Bildern von Galaxien aus der Photometry and Rotation curve OBservations from Extragalactic Surveys (PROBES)-Stichprobe sowie anhand von Galaxien, die aus dem Sloan Digital Sky Survey ausgewählt wurden, getestet. Subjektiv erscheinen die generierten Galaxien im Vergleich zu den echten Datensätzen äußerst realistisch. Die Ähnlichkeit wird quantifiziert, indem wir auf die Literatur der tiefen generativen Lernverfahren zurückgreifen und die „Fréchet Inception Distance“ (FID) zur Bewertung der subjektiven und morphologischen Ähnlichkeit verwenden. Außerdem führen wir die Metrik „Synthetic Galaxy Distance“ ein, um die sich ergebenden physikalischen Eigenschaften (wie Gesamthelligkeit, Farbe und Halblicht-Radius) zwischen einem echten Eltern-Datensatz und einem synthetisch generierten Kind-Datensatz zu vergleichen. Wir argumentieren, dass das DDPM-Verfahren gegenüber anderen generativen Methoden wie adversarialen Netzwerken schärfere und realistischere Bilder erzeugt – mit dem Nachteil einer aufwändigeren Inferenz – und sich eignet, um große Mengen synthetischer Beobachtungen zu erzeugen, die spezifisch auf eine bestimmte Imaging-Untersuchung abgestimmt sind. Wir demonstrieren zwei mögliche Anwendungen des DDPM: (1) die präzise Inpainting-Verarbeitung von verdeckten Daten, beispielsweise Satelliten-Spuren, sowie (2) den Domain-Transfer, bei dem neue Eingabebilder so verarbeitet werden können, dass sie die Eigenschaften des DDPM-Trainingsdatensatzes nachahmen. Hierbei „DESI-fizieren“ wir Karikaturen als Proof-of-Concept für den Domain-Transfer. Schließlich schlagen wir potenzielle Anwendungen für score-basierte Ansätze vor, die die weitere Forschung in diesem Bereich innerhalb der astronomischen Gemeinschaft anregen könnten.