PI-AstroDeconv：一种物理信息引导的无监督学习方法用于天文图像去模糊

该研究介绍了一种新的机器学习方法，用于检测高对比度自适应光学成像数据中的微弱点源。通过深度学习和直接成像后处理算法，该方法提高了行星探测的灵敏度。研究人员使用卷积自编码神经网络训练了一个工具，能够准确重构恒星斑点噪声中潜在行星信号的位置。该工具名为ConStruct，并通过真实数据集进行了可靠性和灵敏度评估。研究结果显示，ConStruct相比传统的PCA处理方法，在30个独特的点源中具有更高的信噪比和相对对比度。该研究展示了深度学习在高对比度图像的直接成像后处理中的潜力。