Οι δορυφόροι παρεμβαίνουν στα αστρονομικά δεδομένα - μπορούν να παράσχουν μια λύση AI;

Οι δορυφόροι παρεμβαίνουν στα αστρονομικά δεδομένα - μπορούν να παράσχουν μια λύση AI;

Οι αστρονόμοι έχουν αναπτύξει έναν αλγόριθμο μηχανικής μάθησης που μπορεί να ανιχνεύσει δορυφορικές διαδρομές σε εικόνες του νυχτερινού ουρανού με μεγάλη ακρίβεια. Αυτό το μοντέλο καθιστά ευκολότερη την ερμηνεία των δεδομένων και θα μπορούσε να επιτρέψει την αφαίρεση των περιθωρίων που προκαλούν όλο και περισσότερο προβλήματα στην αστρονομία.

Η τεχνολογία θα είναι το πρόβλημα "Photobombs" από δορυφόρους επικοινωνιών Internet Δεν είναι δυνατή η επίλυση, αλλά θα μπορούσε να βοηθήσει στη μείωση των επιπτώσεών τους σε ορισμένες εικόνες του τηλεσκοπίου. Οι ερευνητές πραγματοποίησαν το έργο στη Γενική Συνέλευση της Διεθνούς Αστρονομικής Ένωσης (IAU) στο Κέιπ Τάουν τον περασμένο μήνα.

"Η μηχανική μάθηση και η τεχνητή νοημοσύνη μπορούν να βοηθήσουν, διότι 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 εκτοξεύσεων και εξελίξεων συμβαίνει σε "ρυθμό πρωινού", προσθέτει και οι ερευνητές "κάνουν το καλύτερο δυνατό για να καλύψουν τη διαφορά".

Αυξανόμενη απειλή

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, έχουν ξεκινήσει χιλιάδες δορυφόρους επικοινωνιών σε χαμηλή τροχιά γης. Πολλοί περισσότεροι προγραμματίζονται, συμπεριλαμβανομένου ενός 12.000-δορυφορικού μεγέθους που ονομάζεται G60 StarLink που θα ξεκινήσει από τη δορυφορική τεχνολογία της Shanghai Spacecom στην Κίνα. "Υπάρχουν τώρα περίπου ένα εκατομμύριο δορυφόροι στο μητρώο φιλοδοξιών για το μέλλον", δήλωσε ο Richard Green, διευθυντής του Κέντρου IAU για την προστασία των σκοτεινών και ήσυχων ουρανών από παρεμβολές του δορυφορικού αστερισμού, κατά τη διάρκεια μιας συνεδρίασης στη Γενική Συνέλευση της IAU.

Αυτοί οι δορυφόροι παρέχουν γρήγορη ευρυζωνική πρόσβαση στο διαδίκτυο σε άτομα παγκοσμίως, αλλά είναι ολοένα και πιο ενοχλητική για τους αστρονόμους - Εμφανίζονται ως φωτεινές ραβδώσεις σε εικόνες ουρανού και μπορούν να επηρεάσουν τις παρατηρήσεις σε όλο το ηλεκτρομαγνητικό φάσμα. Τα ευαίσθητα τηλεσκόπια με ευρύτατα πεδία επηρεάζονται ιδιαίτερα από αυτή τη δορυφορική μόλυνση. Για παράδειγμα, εκτιμάται ότι το επερχόμενο τηλεσκόπιο Vera Rubin θα μπορούσε να δει πάνω από το ένα τρίτο των εικόνων του που έβλαψαν.

"Η αστρονομία σήμερα είναι μια επιστήμη που περιλαμβάνει μεγάλα ποσά δεδομένων και δεν υπάρχει άνθρωπος που να μπορεί να εξετάσει όλες τις εικόνες που καταγράφονται κάθε βράδυ και να βλέπουν τις ραβδώσεις", λέει ο Eggl. "Η μηχανική μάθηση μπορεί να βοηθήσει εδώ."

Για την ανάπτυξη ενός προγράμματος για τον εντοπισμό δορυφορικών διαδρομών στις εικόνες του τηλεσκοπίου, η María Romero-Colmenares, ένας επιστήμονας δεδομένων στο Πανεπιστήμιο της Atacama στη Χιλή, εκπαίδευσε έναν εποπτευόμενο αλγόριθμο μηχανικής μάθησης σε δεκάδες χιλιάδες εικόνες που ελήφθησαν από ένα δίκτυο τηλεσκοπίων στη Χιλή, την Ισπανία, το Μεξικό, το Βιετνάμ και τη Νότια Κορέα. "Γνωρίζαμε πότε και πού στον ουρανό να παρατηρήσουμε τον δορυφόρο και έκανε μια παρατήρηση με δορυφόρο και ένα χωρίς", λέει ο Romero-Colmenares, παράγοντας ίσο αριθμό σαφών και μολυσμένων εικόνων. Όταν αυτή και οι συνάδελφοί της εφάρμοσαν το μοντέλο σε διαθέσιμα στο κοινό δεδομένα από το WASP (ευρεία αναζήτηση πλανητών) και τα ουγγρικά αυτοματοποιημένα έργα δικτύου τηλεσκοπίου, ο αλγόριθμος ήταν σε θέση να εντοπίσει το 96% των δορυφορικών διαδρομών.

Η ανίχνευση των ραβδώσεων είναι ένα σημαντικό βήμα προς την εξάλειψη τους από εικόνες και δεδομένα, λέει ο Jeremy Tregloan-Reed, ένας αστροφυσικός στο Πανεπιστήμιο του Atacama που συνεργάστηκε με το Romero-Colmenares στο έργο. Η επόμενη πρόκληση θα είναι η ανάπτυξη εργαλείων που μπορούν πραγματικά να αφαιρέσουν τα δορυφορικά κομμάτια διατηρώντας παράλληλα τα υποκείμενα δεδομένα. Αυτό είναι δυνατό μόνο σε περιπτώσεις όπου ο δορυφόρος δεν είναι τόσο φωτεινό ώστε να κορεστεί τα εικονοστοιχεία μιας εικόνας και να εξασθενεί σε περιβάλλοντα εικονοστοιχεία, λέει ο Tregloan-Reed. Εάν εμφανιστεί μια υπερχείλιση, τα υποκείμενα δεδομένα δεν μπορούν να αποθηκευτούν.

Μέχρι το τέλος του επόμενου έτους, οι ερευνητές ελπίζουν να αναπτύξουν μια εφαρμογή και ένα πρόγραμμα ανοιχτού κώδικα που θα επιτρέψει στα παρατηρητήρια και τους ερασιτέχνες αστρονόμους να εντοπίσουν και να καθαρίσουν τις μολυσμένες εικόνες και δεδομένα. Τέτοια μέτρα είναι πιο πιθανό να είναι επιτυχημένα σε μικρά τηλεσκόπια με κάμερες χαμηλής ευαισθησίας.

Αστέρι σαν αστραπή

Άλλες μορφές δορυφορικής μόλυνσης αποδεικνύονται ακόμη πιο δύσκολο να διαχειριστούν. Όταν οι ηλιακοί συλλέκτες και άλλες επίπεδες επιφάνειες στους δορυφόρους καταγράφουν το φως, παράγουν βίδες αστραπής Μεταβατικά αστρονομικά βραχύβια Παρόμοιες, ενεργειακές εκρήξεις που μπορούν να διαρκέσουν από χιλιοστά του δευτερολέπτου σε χρόνια.

"Δεδομένου ότι αυτές οι αναλαμπές είναι πολύ σύντομες, μερικές φορές μέχρι ένα χιλιοστό του δευτερολέπτου, το δορυφορικό κίνημα κατά τη διάρκεια αυτών είναι αμελητέα και παίρνουμε ένα τέλεια αστέρι σαν φλας", λέει ο Sergey Karpov, αστρονόμος στο Κεντρικό Ευρωπαϊκό Ινστιτούτο Κοσμολογίας και Θεμελιωδίας Φυσικής στην Πράγα. Δεν υπάρχει κανένας πραγματικός τρόπος για να διακρίνουμε αυτές τις λάμψεις από τα αστροφυσικά μεταβατικά που θέλουμε να εντοπίσουμε - χωρίς να συγκρίνουμε την τοποθεσία τους απευθείας με τους καταλόγους δορυφορικών τροχιών ", προσθέτει.

Ο ηλεκτρονικός εξοπλισμός σε δορυφόρους μπορεί επίσης να εκπέμπει ακούσια ακτινοβολία, διαταράσσοντας τις παρατηρήσεις της μετά το GRAG BANG, λέει ο EGGL. Οι αστρονόμοι ελπίζουν ότι η μελέτη αυτής της ακτινοβολίας, γνωστή ως Κοσμική ακτινοβολία φόντου μικροκυμάτων, Απαντήστε σε ερωτήσεις σχετικά με την επέκταση του σύμπαντος γίνεται. Η επόμενη γενιά δορυφόρων της SpaceX, την οποία άρχισε να ξεκινάει πέρυσι, εκπέμπει περίπου 30 φορές περισσότερη ακτινοβολία από την προηγούμενη γενιά. Αυτός ο τύπος ακτινοβολίας δεν ρυθμίζεται και θα μπορούσε να θέσει σε κίνδυνο ολόκληρες ζώνες παρατήρησης.

Ο EGGL επισημαίνει ότι τα εργαλεία AI δεν μπορούν πραγματικά να ανακατασκευάσουν τα χαμένα δεδομένα και το πρόβλημα θα επιδεινωθεί καθώς ξεκινούν περισσότεροι δορυφόροι. "Εάν ζωγραφίσετε λευκό χρώμα πάνω από τη Mona Lisa, σε κάποιο σημείο δεν θα υπάρχει τίποτα που μπορείτε να κάνετε, ακόμα κι αν εκπαιδεύετε έναν αλγόριθμο μάθησης μηχανής σε όλα τα έργα του Da Vinci", λέει ο Eggl. "Μπορεί να είστε σε θέση να μαντέψετε τι μπορεί να μοιάζει ο πίνακας, αλλά δεν μπορούν ποτέ να ανακατασκευάσουν τα δεδομένα που χάνετε".

1. Bassa, C.G. et αϊ. Άστρον. Αστροφές. 689, L10 (2024).

   Αρθρο
   Google Scholar

Αναφορές λήψης