Satellitter forstyrrer astronomiske data - kan AI give en løsning?

Satellitter forstyrrer astronomiske data - kan AI give en løsning?

Astronomer har udviklet en maskinlæringsalgoritme, der kan registrere satellitspor i billeder af nattehimlen med høj nøjagtighed. Denne model gør datatolkningen lettere og kan muliggøre fjernelse af de frynser, der i stigende grad forårsager problemer inden for astronomi.

Teknologi vil være problemet “Photobombs” fra internetkommunikationssatellitter Kan ikke løse, men kan hjælpe med at reducere deres indflydelse på nogle teleskopbilleder. Forskere udråbte arbejdet på International Astronomical Union (IAU) generalforsamling i Cape Town i sidste måned.

"Maskinindlæring og kunstig intelligens kan hjælpe, fordi hvis du har nok data, kan du klassificere, okay, det er sådan en satellit ser ud," siger Siegfried EGGL, en astrofysiker ved University of Illinois Urbana-Champaign. Men antallet af satellitlanceringer og udviklinger sker i et "morgenmadstempo", tilføjer han, og forskere "gør deres bedste for at indhente."

Voksende trussel

I løbet af de sidste fem år har virksomheder som SpaceX i Hawthorne, Californien, Eutelsat Oneweb i London og Amazons projekt Kuiper i Redmond, Washington, lanceret tusinder af kommunikationssatellitter til lav jordbane. Mange flere er planlagt, herunder en 12.000-satellit-mega-constellation kaldet G60 StarLink, der skal lanceres af Shanghai Rumcom Satellite Technology i Kina. ”Der er nu omkring en million satellitter i ambitionsregisteret for fremtiden,” sagde Richard Green, direktør for IAU Center for at beskytte mørke og stille himmel mod satellitkonstellationsinterferens, under en session på IAU -generalforsamlingen.

Disse satellitter giver hurtig bredbåndsinternetadgang til mennesker over hele verden, men er stadig mere forstyrrende for astronomer - De vises som lyse striber i himmelbilleder og kan påvirke observationer på tværs af hele det elektromagnetiske spektrum. Følsomme teleskoper med brede synsfelter påvirkes især af denne satellitforurening. For eksempel anslås det, at det kommende Vera Rubin -teleskop kunne se mere end en tredjedel af sine billeder kompromitteret.

”Astronomi i dag er en videnskab, der involverer store mængder data, og der er intet menneske, der kan se på alle de billeder, der er optaget hver aften og se striberne,” siger EGGL. "Maskinindlæring kan hjælpe her."

For at udvikle et program til at identificere satellitspor i teleskopbilleder trænede María Romero-Colmenares, en dataforsker ved University of Atacama i Chile, en overvåget maskinlæringsalgoritme på titusinder af billeder taget af et netværk af teleskoper i Chile, Spanien, Mexico, Vietnam og Sydkorea. ”Vi vidste, hvornår og hvor [på himlen] skulle observere satellitten, og gjorde en observation med en satellit og en uden,” siger Romero-Colmenares og producerer et lige antal klare og forurenede billeder. Da hun og hendes kolleger anvendte modellen til offentligt tilgængelige data fra WASP (vidvinkelsøgning efter planeter) og ungarsk automatiserede teleskop -netværksprojekter, var algoritmen i stand til at identificere 96% af satellitsporene.

Detektering af striberne er et vigtigt skridt hen imod at fjerne dem fra billeder og data, siger Jeremy Tregloan-Reed, en astrofysiker ved University of Atacama, der arbejdede med Romero-Colmenares på projektet. Den næste udfordring vil være at udvikle værktøjer, der faktisk kan fjerne satellitsporene, samtidig med at de underliggende data bevarer de underliggende data. Dette er kun muligt i tilfælde, hvor satellitten ikke er så lys, at den mætter pixels på et billede og falmer i omgivende pixels, siger Tregloan-Reed. Hvis der opstår et overløb, kan de underliggende data ikke gemmes.

Ved udgangen af ​​næste år håber forskere at udvikle en open source-app og -program, der giver observatorier og amatørastronomer mulighed for at identificere og rydde forurenede billeder og data. Sådanne foranstaltninger er sandsynligvis succesrige på små teleskoper med kameraer med lav følsomhed.

Stjernignende lyn

Andre former for satellitforurening viser sig at være endnu vanskeligere at styre. Når solcellepaneler og andre flade overflader på satellitter fanger lyset, producerer de lynbolte Kortvarige astronomiske transienter Tilsvarende, energiudbrud, der kan vare fra millisekunder til år.

”Da disse blink er meget korte, nogle gange op til et millisekund, er satellitbevægelsen under dem ubetydelig, og vi får en perfekt stjerne-lignende flash,” siger Sergey Karpov, en astronom ved Centraleuropæisk Institut for kosmologi og grundlæggende fysik i Prag. Der er "ingen reel måde at skelne mellem disse blink fra de astrofysiske transienter, vi ønsker at registrere - uden at sammenligne deres placering direkte med kataloger med satellitbane," tilføjer han.

Elektronisk udstyr i satellitter kan også udsende utilsigtet stråling og forstyrre observationer af Big Bangs efterglød, siger EGGL. Astronomer håber, at det at studere denne stråling, kendt som Kosmisk mikrobølgebaggrundsstråling, Besvar spørgsmål om udvidelsen af ​​universet bliver. SpaceXs næste generation af satellitter, som virksomheden begyndte at lancere sidste år, udsender ca. 30 gange mere stråling end den forrige generation. Denne type stråling er ureguleret og kan bringe hele observationsbånd i fare.

EGGL påpeger, at AI -værktøjer ikke rigtig kan rekonstruere mistede data, og problemet vil blive værre, efterhånden som flere satellitter lanceres. ”Hvis du maler hvid maling over Mona Lisa, vil der på et tidspunkt ikke være noget, du kan gøre, selvom du træner en maskinlæringsalgoritme på alle Da Vincis værker,” siger EGGL. ”Du kan muligvis gætte, hvordan maleriet kan se ud, men de kan aldrig rekonstruere de data, du mister.”

1. Bassa, C.G. et al. Astron. Astrophys. 689, L10 (2024).

   Artikel
   Google Scholar

Download referencer