Οι δορυφόροι παρεμβαίνουν στα αστρονομικά δεδομένα - Μπορεί η AI να προσφέρει λύση;
Οι δορυφόροι παρεμβαίνουν στα αστρονομικά δεδομένα - Μπορεί η AI να προσφέρει λύση;
Οι αστρονόμοι έχουν αναπτύξει έναν αλγόριθμο μηχανικής μάθησης που μπορεί να αναγνωρίσει δορυφορικά ίχνη σε εικόνες του νυχτερινού ουρανού με υψηλή ακρίβεια. Αυτό το μοντέλο διευκολύνει την ερμηνεία των δεδομένων και θα μπορούσε να επιτρέψει την αφαίρεση των λωρίδων, οι οποίες προκαλούν όλο και περισσότερο προβλήματα στην αστρονομία.
Η τεχνολογία γίνεται το πρόβλημα του
"Η μηχανική μάθηση και η τεχνητή νοημοσύνη μπορούν να βοηθήσουν, γιατί αν έχετε αρκετά δεδομένα, μπορείτε να ταξινομήσετε, εντάξει, αυτό είναι που μοιάζει με δορυφόρο", λέει ο Siegfried EGGL, αστροφυσικός στο Πανεπιστήμιο του Illinois Urbana-Champaign. Αλλά ο αριθμός των δορυφορικών εκκινήσεων και των εξελίξεων συμβαίνει στο "Rapid Pace", προσθέτει, και οι ερευνητές "κάνουν ό, τι καλύτερο μπορούν να καλύψουν". Τα τελευταία πέντε χρόνια, εταιρείες όπως το SpaceX στο Hawthorne της Καλιφόρνια, το Eutelsat OneWeb στο Λονδίνο και το έργο του Amazon Kuiper στο Redmond της Ουάσινγκτον, ξεκίνησαν χιλιάδες δορυφόρους επικοινωνίας σε χαμηλή τροχιά. Υπάρχουν πολλά άλλα προγραμματισμένα, συμπεριλαμβανομένου ενός 12.000 δορυφορικού μεγακαπίνωση που ονομάζεται G60 StarLink, το οποίο πρόκειται να ξεκινήσει από τη δορυφορική τεχνολογία της Shanghai Spacecom στην Κίνα. "Υπάρχει τώρα περίπου ένα εκατομμύριο δορυφόροι στο μητρώο φιλοδοξιών για το μέλλον", δήλωσε ο Richard Green, διευθυντής του Κέντρου IAU για την προστασία του σκοτεινού και ήρεμου ουρανού από τις παρεμβολές του δορυφορικού αστερισμού, κατά τη διάρκεια μιας συνόδου στη γενική συνέλευση του IAU. These satellites offer people's fast broadband internet access, but are όλο και περισσότερο ενοχλητικό για τους αστρονόμους -εμφανίζονται ως ελαφρές λωρίδες στις ουράνιες εικόνες και μπορούν να επηρεάσουν τις παρατηρήσεις σε ολόκληρο το ηλεκτρομαγνητικό φάσμα. Τα ευαίσθητα τηλεσκόπια με ευρύ οπτικό πεδίο επηρεάζονται ιδιαίτερα από αυτή τη δορυφορική μόλυνση. Για παράδειγμα, το επερχόμενο τηλεσκόπιο Vera Rubin θα μπορούσε να εκτιμηθεί ότι θα δει πάνω από το ένα τρίτο των εικόνων του. "Η αστρονομία είναι τώρα η επιστήμη με μεγάλα ποσά δεδομένων και δεν υπάρχει κανένας άνθρωπος που να μπορεί να παρακολουθήσει όλες τις εικόνες που καταγράφονται κάθε βράδυ και να αναγνωρίζουν τις ρίγες", λέει ο Eggl. "Η μηχανική μάθηση μπορεί να βοηθήσει εδώ." Προκειμένου να αναπτυχθεί ένα πρόγραμμα για την ταυτοποίηση δορυφορικών ιχνών σε τηλεσκοπικές εικόνες, η María Romero-Colmenares, ένας επιστήμονας δεδομένων στο Πανεπιστήμιο της Atacama στη Χιλή, εκπαιδεύτηκε ένας αλγόριθμος μηχανικής μάθησης σε δεκάδες χιλιάδες εικόνες που καταγράφηκαν από ένα δίκτυο τηλεσκοπίων στη Χιλή της Ισπανίας, Μεξικού, του Vietnam και της Νότιας Κορεαίας. "Γνωρίζαμε πότε και πού στον ουρανό θα πρέπει να παρακολουθήσουμε τον δορυφόρο και να παρατηρήσουμε με δορυφόρο και ένα χωρίς", είπε ο Romero-Colmenares και δημιούργησε τον ίδιο αριθμό σαφών και μολυσμένων εικόνων. Όταν αυτή και οι συνάδελφοί σας χρησιμοποίησαν το μοντέλο σε δεδομένα που διατίθενται στο κοινό από το WASP (αναζήτηση ευρείας γωνίας αναζήτησης για πλανήτες) και το ουγγρικό αυτοματοποιημένο δίκτυο τηλεσκοπίων, ο αλγόριθμος ήταν σε θέση να προσδιορίσει το 96 % των δορυφορικών ιχνών. Η ανίχνευση της λωρίδας είναι ένα σημαντικό βήμα προς την εξάλειψη αυτών από εικόνες και δεδομένα, λέει ο Jeremy Tregloan-Reed, ένας αστροφυσικός στο Πανεπιστήμιο του Atacama που εργάστηκε στο έργο με Romero-Colmenares. Η επόμενη πρόκληση θα είναι η ανάπτυξη εργαλείων που μπορούν πραγματικά να αφαιρέσουν τα δορυφορικά ίχνη, ενώ τα δεδομένα κάτω διατηρούνται. Αυτό είναι δυνατό μόνο σε περιπτώσεις όπου ο δορυφόρος δεν είναι τόσο φωτεινό που είναι κορεσμένο από τα εικονοστοιχεία μιας εικόνας και περνά σε περιβάλλοντα εικονοστοιχεία, λέει ο Tregloan-Reed. Εάν υπάρχει υπερχείλιση, τα υποκείμενα δεδομένα δεν μπορούν να αποθηκευτούν. Αυξανόμενη απειλή
Star -Like Flashes
Άλλες μορφές δορυφορικής μόλυνσης αποδεικνύονται ακόμη πιο δύσκολο να διαχειριστούν. Όταν οι ηλιακές μονάδες και άλλες επίπεδες επιφάνειες καταγράφουν το φως στους δορυφόρους, δημιουργούν λάμψεις, το Διευθυντικά αστρονομικά μεταβατικά
"Δεδομένου ότι αυτές οι αναλαμπές είναι πολύ σύντομες, μερικές φορές μέχρι ένα χιλιοστό του δευτερολέπτου, το δορυφορικό κίνημα είναι αμελητέα και παίρνουμε ένα τέλειο αστέρι -όπως το Flash", λέει ο Sergey Karpov, αστρονόμος στο Κεντρικό Ευρωπαϊκό Ινστιτούτο κοσμολογίας και θεμελιώδους φυσικής στην Πράγκα. Δεν υπάρχει κανένας πραγματικός τρόπος για να διακρίνουμε αυτές τις αναλαμπές από τα αστροφυσικά μεταβατικά που θα θέλαμε να αναγνωρίσουμε - εκτός από τη σύγκριση της θέσης τους άμεσα με τους καταλόγους από δορυφορικά κομμάτια ", προσθέτει.
Ο ηλεκτρονικός εξοπλισμός σε δορυφόρους μπορεί επίσης να εκπέμπει ακούσια ακτινοβολία που διαταράσσει τις παρατηρήσεις της λάμψης του Big Bang, λέει ο Eggl. Οι αστρονόμοι ελπίζουν ότι η μελέτη αυτής της ακτινοβολίας, γνωστή ως , .
EGGL επισημαίνει ότι τα εργαλεία AI δεν μπορούν πραγματικά να ανακατασκευάσουν τα χαμένα δεδομένα και οι περισσότεροι δορυφόροι θα ξεκινήσουν τους περισσότερους δορυφόρους. "Εάν ζωγραφίσετε πάνω από τη Μόνια Λίζα με λευκό χρώμα, δεν υπάρχει τίποτα που μπορείτε να κάνετε, ακόμα κι αν εκπαιδεύετε έναν αλγόριθμο μάθησης μηχανής σε όλα τα έργα από το DA Vinci", λέει ο Eggl. "Μπορεί να μαντέψετε τι θα μπορούσε να μοιάζει με τη ζωγραφική, αλλά δεν μπορείτε ποτέ να ανακατασκευάσετε τα δεδομένα που χάνετε". Bassa, C.G. et al. Άστρον. Αστροφές. 689, L10 (2024).