Los satélites interfieren con los datos astronómicos: ¿puede la IA proporcionar una solución?

Los satélites interfieren con los datos astronómicos: ¿puede la IA proporcionar una solución?

Los astrónomos han desarrollado un algoritmo de aprendizaje automático que puede detectar huellas de satélites en imágenes del cielo nocturno con gran precisión. Este modelo facilita la interpretación de los datos y podría permitir eliminar las franjas que cada vez causan más problemas en astronomía.

La tecnología será el problema “Fotobombas” de satélites de comunicaciones de Internet no puede resolver, pero podría ayudar a reducir su impacto en algunas imágenes de telescopios. Los investigadores promocionaron el trabajo en la reunión general de la Unión Astronómica Internacional (IAU) celebrada en Ciudad del Cabo el mes pasado.

"El aprendizaje automático y la inteligencia artificial pueden ayudar porque si tienes suficientes datos, puedes clasificarlos, bueno, así es como se ve un satélite", dice Siegfried Eggl, astrofísico de la Universidad de Illinois en Urbana-Champaign. Pero el número de lanzamientos y desarrollos de satélites se está produciendo a un "ritmo vertiginoso", añade, y los investigadores están "haciendo todo lo posible para ponerse al día".

Amenaza creciente

En los últimos cinco años, empresas como SpaceX en Hawthorne, California, Eutelsat OneWeb en Londres y el Proyecto Kuiper de Amazon en Redmond, Washington, han lanzado miles de satélites de comunicaciones a la órbita terrestre baja. Se planean muchos más, incluida una megaconstelación de 12.000 satélites llamada G60 Starlink que será lanzada por Shanghai Spacecom Satellite Technology en China. "Ahora hay alrededor de un millón de satélites en el registro de ambiciones para el futuro", dijo Richard Green, director del Centro de la IAU para la Protección de Cielos Oscuros y Tranquilos de la Interferencia de las Constelaciones de Satélites, durante una sesión en la Asamblea General de la IAU.

Estos satélites proporcionan acceso rápido a Internet de banda ancha a personas de todo el mundo, pero son cada vez más disruptivo para los astrónomos — aparecen como rayas brillantes en las imágenes del cielo y pueden influir en las observaciones en todo el espectro electromagnético. Los telescopios sensibles con amplios campos de visión se ven especialmente afectados por esta contaminación satelital. Por ejemplo, se estima que el próximo telescopio Vera Rubin podría ver comprometidas más de un tercio de sus imágenes.

"Hoy en día, la astronomía es una ciencia que implica grandes cantidades de datos y no hay ningún ser humano que pueda mirar todas las imágenes grabadas cada noche y ver las rayas", afirma Eggl. "El aprendizaje automático puede ayudar aquí".

Para desarrollar un programa para identificar huellas satelitales en imágenes de telescopios, María Romero-Colmenares, científica de datos de la Universidad de Atacama en Chile, entrenó un algoritmo de aprendizaje automático supervisado en decenas de miles de imágenes tomadas por una red de telescopios en Chile, España, México, Vietnam y Corea del Sur. “Sabíamos cuándo y dónde [en el cielo] observar el satélite, e hicimos una observación con un satélite y otra sin él”, dice Romero-Colmenares, produciendo igual número de imágenes claras y contaminadas. Cuando ella y sus colegas aplicaron el modelo a datos disponibles públicamente de los proyectos WASP (Búsqueda de Planetas de Gran Angular) y Red de Telescopios Automatizados de Hungría, el algoritmo pudo identificar el 96% de las trayectorias de los satélites.

Detectar las rayas es un paso importante para eliminarlas de las imágenes y los datos, dice Jeremy Tregloan-Reed, astrofísico de la Universidad de Atacama que trabajó con Romero-Colmenares en el proyecto. El próximo desafío será desarrollar herramientas que realmente puedan eliminar las huellas de los satélites preservando al mismo tiempo los datos subyacentes. Esto sólo es posible en los casos en que el satélite no es tan brillante como para saturar los píxeles de una imagen y desvanecerse en los píxeles circundantes, dice Tregloan-Reed. Si se produce un desbordamiento, los datos subyacentes no se pueden guardar.

Para finales del próximo año, los investigadores esperan desarrollar una aplicación y un programa de código abierto que permitirá a los observatorios y a los astrónomos aficionados identificar y limpiar imágenes y datos contaminados. Es más probable que estas medidas tengan éxito en telescopios pequeños con cámaras de baja sensibilidad.

Relámpago parecido a una estrella

Otras formas de contaminación por satélite están resultando aún más difíciles de gestionar. Cuando los paneles solares y otras superficies planas de los satélites captan la luz, producen relámpagos. transitorios astronómicos de corta duración Explosiones de energía similares que pueden durar desde milisegundos hasta años.

"Dado que estos destellos son muy cortos, a veces de hasta un milisegundo, el movimiento del satélite durante ellos es insignificante y obtenemos un destello perfectamente parecido a una estrella", dice Sergey Karpov, astrónomo del Instituto Centroeuropeo de Cosmología y Física Fundamental en Praga. "No existe una forma real de distinguir estos destellos de los transitorios astrofísicos que queremos detectar, salvo comparar su ubicación directamente con catálogos de órbitas de satélites", añade.

Die elektronische Ausrüstung in Satelliten kann auch unbeabsichtigte Strahlung emittieren, die die die Beobachtungen des Nachglühen des Urknalls stört, sagt Eggl. Los astrónomos esperan que el estudio de esta radiación, conocida como radiación cósmica de fondo de microondas, Responder preguntas sobre la expansión del universo. se convierte. La próxima generación de satélites de SpaceX, que la compañía comenzó a lanzar el año pasado, emite alrededor de 30 veces más radiación que la generación anterior. Este tipo de radiación no está regulada y podría poner en peligro bandas de observación enteras.

Eggl señala que las herramientas de inteligencia artificial en realidad no pueden reconstruir los datos perdidos y el problema empeorará a medida que se lancen más satélites. "Si pintas pintura blanca sobre la Mona Lisa, en algún momento no podrás hacer nada, incluso si entrenas un algoritmo de aprendizaje automático en todas las obras de Da Vinci", dice Eggl. "Es posible que puedas adivinar cómo se vería la pintura, pero nunca podrán reconstruir los datos que pierdes".

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

   Artículo
   Google Académico

Descargar referencias