Если сфотографировать одну и ту же гору на плёночный фотоаппарат и на современный смартфон, получатся разные изображения: где-то цвета ярче, где-то детали размыты. Так и с телескопами: каждый инструмент видит небо по-своему, добавляя к настоящему свету галактик собственные искажения — как фильтр, через который мы смотрим.

Новая работа предлагает способ убрать этот «фильтр». Учёные собрали пары снимков одних и тех же галактик, сделанные двумя большими обзорами неба: DESI Legacy Imaging Survey и Hyper Suprime-Cam. Нейросеть учили так: она получает два изображения и должна восстановить одно из другого, но с учётом того, что камеры разные. В процессе обучения сеть сама находит, что общего у двух снимков (это и есть настоящая галактика), а что отличается (это искажения конкретного телескопа).

В результате нейросеть выдаёт «чистое» представление галактики — без шума и искажений конкретного инструмента. Это позволяет, например, искать похожие галактики в архивах разных телескопов, не боясь, что их сходство испорчено разными камерами. Такой подход полезен не только для астрономии: он даёт общий рецепт, как учить нейросети на данных от разных приборов — от медицинских сканеров до датчиков в автомобилях.