我在天体物理学领域工作。我在我的项目中一直发现的一个问题是，我总是受到我正在考虑为我的项目考虑的特定可观察对象可用的天空模拟大小的限制。模拟对于估计协方差矩阵至关重要，这是任何贝叶斯推理分析的基本要素。

该领域的趋势是对天空的一小部分具有相当高的分辨率。生成更大的天空区域（例如天空的 1/3，这是实际应用所需要的）在计算上非常具有挑战性。因此，我想知道是否有一种基于机器学习的方法来重新缩放对于实际应用来说太小的模拟，并将它们扩展到更大的区域。一些大面积的模拟在计算上可能是可行的，但我怀疑它们的数量能否代表任何机器学习算法的体面训练集。