PhySR: физика помогает нейросети видеть в радиоэфире ✎ экспресс

Оригинал: "PhySR: Physics-Informed Neural Network for Super-Resolution Reconstruction in Radio Synthesis Imaging"
arXiv:2607.27750v1 · 2026-07-30 · arXiv non-exclusive · собственный разбор · 1 мин
Новый метод PhySR превращает нечёткие снимки радиотелескопов в резкие, зная, как их испортила аппаратура.

Радиотелескопная решётка — словно камера, в которой недостаёт нескольких линз. С тех пор как Карл Янски уловил радиошум Галактики, астрономы пытаются собрать из обрывочных сигналов целостный образ. Но антенны расставлены с просветами, и математически «проявленное» изображение — грязная карта — получается смазанным. Мелкие звёздные скопления сливаются. Слабые детали тонут в шуме.

PhySR действует иначе. Он похож на оптика, который точно знает, каких линз не хватает, и восстанавливает картинку по мутному слепку. Это нейросеть глубокого обучения, внутрь которой встроена модель искажений: как антенный луч реагирует на сигнал, как аппаратная функция рассеяния света размывает его. Физическая «подсказка» позволяет сети учиться убирать размытие и повышать разрешение. Идеальный снимок для обучения не нужен.

Словно правильно подобранные очки, обработка PhySR резко повышает чёткость. Контраст и детализация скачком улучшаются. Мелкие структуры, прежде скрытые, проступают отчётливо.

На имитированных данных телескопа будущего SKA-Mid метод показал отличные результаты. При четырёхкратном усилении резкости качество по метрикам PSNR (соотношение сигнал/шум) и SSIM (мера сходства структур) выросло примерно на 13 дБ и 0,38 по сравнению с традиционными способами. Разброс ошибок упал. Главное — PhySR физически непротиворечив: восстановленная картинка согласуется с исходными измерениями. Теперь астрономы смогут разглядеть яркостные перепады в центрах галактик или тонкие газовые нити, не дожидаясь постройки новых антенн. Старая «камера» с неполными линзами обретает идеальную фокусировку — благодаря знанию физики.

Чтобы получить снимок далёкого радиоисточника, телескопы синхронизируют сигналы с точностью до миллиардных долей секунды — малейшая рассинхронизация развалит всю картину.

Учёные
Willebrord Snellius
Понятия
реконструкция микролинзирования нейронной сетью реконструкция данных с помощью нейронных сетей отношение сигнал/шум однопиксельная визуализация разрешение спектроскопия с подавлением шума среднеквадратичная ошибка