本研究提出了一种新方法，将去噪扩散概率模型与红移结合，生成逼真的星系图像，编码星系演化中的物理属性变化，深化了对宇宙现象的理解。

本文探讨了利用去噪扩散概率模型（DDPM）生成逼真的星系图像，并通过合成星系距离指标进行相似度比较。该模型重现了星系分布的关键统计特征，推动了星际物理学研究，并在宇宙学数据分析中表现出色。研究还涉及生成对抗网络和图神经网络在天文学中的应用，展示了深度生成模型在科学数据扩增中的潜力。