Satelliitit häiritsevät tähtitieteellistä tietoa - voivatko AI tarjota ratkaisun?
Satelliitit häiritsevät tähtitieteellistä tietoa - voivatko AI tarjota ratkaisun?
Tähtitieteilijät ovat kehittäneet mekaanisen oppimisalgoritmin, joka tunnistaa satelliittijäljet yötaivaan kuvissa suurella tarkkuudella. Tämä malli helpottaa datan tulkintaa ja voisi mahdollistaa raidat poistamaan, jotka aiheuttavat yhä enemmän astronomian ongelmia.
Teknologiasta tulee
Viimeisen viiden vuoden aikana SpaceX: n kaltaiset yritykset Hawthornessa, Kaliforniassa, Eutelsat Oneweb Lontoossa ja Amazonin projekti Kuiper Redmondissa, Washingtonissa, käynnistivät tuhansia viestintäsatelliitteja matalaan kiertoradalle. Suunniteltuja on paljon enemmän, mukaan lukien 12 000 satelliittimegakonsillaatio, nimeltään G60 StarLink, jonka Shanghai Spacecom -satelliittitekniikka käynnistää Kiinassa. "Tulevaisuuden kunnianhimojen rekisterissä on nyt noin miljoona satelliittia", sanoi IAU -keskuksen johtaja Richard Green suojelemaan pimeää ja rauhallista taivaa satelliittien tähdistöhäiriöitä IAU: n yhtiökokouksen istunnon aikana. Nämä satelliitit tarjoavat ihmisten nopean laajakaistaisen Internet-yhteyden, mutta ovat häiritsevämpi tähtitieteilijöille -Ne näkyvät kevyinä raidoina taivaallisissa kuvissa ja voivat vaikuttaa havaintoihin koko sähkömagneettisessa spektrissä. Tämä satelliittikontaminaatio vaikuttaa erityisesti herkkiin kaukoputkiin, joilla on laaja näkökenttä. Esimerkiksi tuleva Vera Rubin -teleskooppi voitaisiin arvioida nähdäkseen yli kolmanneksen hänen kuvistaan. "Tähtitiede on nyt tiede, jolla on suuria määriä tietoa, eikä kukaan voi katsoa kaikkia kuvia, jotka on tallennettu joka ilta ja tunnistavat raidat", Eggl sanoo. "Koneoppiminen voi auttaa täällä." CHILE: n Atacaman yliopiston tietotekniikan satelliittijäljen tunnistamiseksi satelliittijäljen tunnistamiseksi Teleskooppisissa kuvissa koulutti tarkkailtua koneoppimisalgoritmia kymmenille tuhansille kuville, jotka kirjattiin Teleskopes-verkostoon Chilessä, Meksiko, Veetnam ja Etelä-Koreea. "Tiesimme milloin ja missä [taivaalla] meidän pitäisi katsoa satelliittia ja tehdä tarkkailu satelliitin ja yhden ilman", Romero-Colmenares sanoi ja loi saman määrän selkeitä ja saastuneita kuvia. Kun hän ja kollegasi käyttivät mallia julkisesti saatavilla oleviin tietoihin WASP: ltä (planeettojen laajakulmahaku) ja unkarilaisen automatisoidun kaukoputken verkon, algoritmi pystyi tunnistamaan 96 % satelliittijälkeistä. Nauhan havaitseminen on tärkeä askel kohti näiden kuvien ja tietojen poistamista, sanoo Atacaman yliopiston astrofysiikka Jeremy Tregloan-Reed, joka työskenteli projektissa Romero-Colmenaresin kanssa. Seuraava haaste on kehittää työkaluja, jotka voivat tosiasiallisesti poistaa satelliittijäljet, kun alla olevat tiedot säilyvät. Tämä on mahdollista vain tapauksissa, joissa satelliitti ei ole niin kirkas, että kuvan pikselit tyydyttävät sen ja kulkee ympäröiviin pikseliin, Tregloan-Reed sanoo. Jos on täynnä, taustalla olevia tietoja ei voida tallentaa. kasvava uhka
tähti -kaltaiset salamat
Muut satelliittikontaminaation muodot osoittautuvat entistä vaikeammaksi hallita. Kun aurinkosamoduulit ja muut litteät pinnat vangitsevat satelliittien valon, ne luovat välähdyksiä,
Satelliittien elektroniset laitteet voivat myös lähettää tahattomia säteilyä, joka häiritsee suuren räjähdyksen hehkujen havaintoja, Eggl sanoo. Tähtitieteilijät toivovat, että tämän säteilyn tutkimus, joka tunnetaan nimellä , .
Eggl huomauttaa, että AI -työkalut eivät todellakaan voi rekonstruoida kadonneita tietoja ja mitä enemmän satelliitteja käynnistetään, sitä enemmän satelliitteja. "Jos maalaat Mona Lisan yli valkoisella värillä, ei ole mitään mitä voit tehdä, vaikka koulutatkin koneoppimisalgoritmia kaikissa Da Vinci -teoksissa", Eggl sanoo. "Voit arvata, miltä maalaus voi näyttää, mutta et voi koskaan rekonstruoida menettämiäsi tietoja." bassa, C. G. et ai. Astron. Astrophys. 689, L10 (2024).
Ra