Les satellites interfèrent avec les données astronomiques - L'IA peut-elle offrir une solution?
Les satellites interfèrent avec les données astronomiques - L'IA peut-elle offrir une solution?
Les astronomes ont développé un algorithme d'apprentissage mécanique qui peut reconnaître les traces de satellite dans des images du ciel nocturne avec une grande précision. Ce modèle facilite l'interprétation des données et pourrait permettre la suppression des rayures, qui causent de plus en plus de problèmes en astronomie.
La technologie devient le problème de n'ont pas pu être résolus, mais pourraient aider à réduire leurs effets sur certaines images télescopiques. Les chercheurs ont salué les travaux le mois dernier à l'assemblée générale de l'Union astronomique internationale (IAU) au Cap.
"L'apprentissage automatique et l'intelligence artificielle peuvent aider, car si vous avez suffisamment de données, vous pouvez classer, d'accord, c'est à quoi ressemble un satellite", explique Siegfried Eggl, astrophysicien à l'Université de l'Illinois Urbana-Champaign. Mais le nombre de départs par satellite se produit à "rythme rapide", ajoute-t-il, et les chercheurs "font de leur mieux pour rattraper leur retard".
menace croissante
Au cours des cinq dernières années, des sociétés telles que SpaceX à Hawthorne, en Californie, Eutelsat Oneweb à Londres et au projet d'Amazon Kuiper à Redmond, Washington, ont lancé des milliers de satellites de communication en orbite basse. Il y a beaucoup d'autres planifiés, y compris une mégaconstellation par satellite de 12 000 personnes appelée G60 StarLink, qui doit être lancée par la technologie satellite Spacecom Shanghai en Chine. "Il y a maintenant environ un million de satellites dans le registre des ambitions pour l'avenir", a déclaré Richard Green, directeur du Centre de l'IAU pour protéger le ciel sombre et calme contre les interférences de constellation par satellite, lors d'une session à la réunion générale de l'IAU.
Ces satellites offrent un accès Internet à haut débit rapide des gens, mais sont de plus en plus perturbateur pour les astronomes -Ils apparaissent comme des rayures légères dans les images célestes et peuvent influencer les observations sur tout le spectre électromagnétique. Les télescopes sensibles avec un large champ de vision sont particulièrement affectés par cette contamination par satellite. Par exemple, le prochain télescope Vera Rubin pourrait être estimé pour voir plus d'un tiers de ses photos.
"L'astronomie est maintenant la science avec de grandes quantités de données, et il n'y a personne qui peut regarder toutes les images enregistrées tous les soirs et reconnaître les rayures", explique Eggl. "L'apprentissage automatique peut aider ici."
Afin de développer un programme d'identification des traces satellites dans les images télescopiques, María Romero-Colmenares, un data scientifique de l'Université d'Atacama au Chili, a formé un algorithme d'apprentissage automatique surveillé sur des dizaines de milliers d'images qui ont été enregistrées par un réseau de télescopes au Chili, à l'Espagne, au Mexique, au Vietnam et à la Corée du Sud. "Nous savions quand et où [dans le ciel], nous devrions regarder le satellite et faire une observation avec un satellite et un sans", a déclaré Romero-Colmenares et créé le même nombre d'images claires et contaminées. Lorsqu'elle et vos collègues ont utilisé le modèle pour les données accessibles au public de la WASP (recherche de planètes à grand angle) et du réseau de télescope automatisé hongrois, l'algorithme a pu identifier 96% des traces satellites.
La détection de la bande est une étape importante vers l'élimination de ceux-ci des images et des données, explique Jeremy Tregloan-Reed, un astrophysicien à l'Université d'Atacama qui a travaillé sur le projet avec Romero-Colmenares. Le prochain défi sera de développer des outils qui peuvent réellement supprimer les traces de satellite pendant que les données en dessous sont conservées. Cela n'est possible que dans les cas où le satellite n'est pas si brillant qu'il est saturé par les pixels d'une image et passe dans les pixels environnants, explique Tregloan-Reed. S'il y a un débordement, les données sous-jacentes ne peuvent pas être enregistrées.
Les chercheurs espèrent développer une application open source et un programme d'ici la fin de l'année prochaine qui permet aux astronomes de l'observateur et des amateurs d'identifier et de nettoyer les images et les données contaminées. De telles mesures devraient être les plus réussies dans les petits télescopes avec des caméras avec peu de sensibilité.Flash-like star-like
D'autres formes de contamination par satellite s'avèrent encore plus difficiles à gérer. Lorsque les modules solaires et autres surfaces plates capturent la lumière sur les satellites, ils créent des flashs, le Transients astronomiques bureautiques ressemblent à de l'énergie, qui peut prendre des millisecondes à des années.
"Étant donné que ces flashs sont très courts, parfois jusqu'à un milliseconde, le mouvement satellite est négligeable et nous obtenons un flash parfait en étoile", explique Sergey Karpov, astronome de l'Institut d'Europe centrale de cosmologie et de physique fondamentale de Prague. Il n'y a "aucun moyen réel de distinguer ces flashs des transitoires astrophysiques que nous aimerions reconnaître - en plus de comparer leur position directement avec les catalogues des pistes satellites", ajoute-t-il.
L'équipement électronique des satellites peut également émettre des rayonnements involontaires qui perturbent les observations de la lueur du Big Bang, explique Eggl. Les astronomes espèrent que l'étude de ce rayonnement, connu sous le nom de , .
EGGL souligne que les outils d'IA ne peuvent pas vraiment reconstruire des données perdues et plus les satellites seront démarrés, plus les satellites. "Si vous peignez la Mona Lisa avec une couleur blanche, il n'y a rien que vous puissiez faire, même si vous entraînez un algorithme d'apprentissage automatique sur toutes les œuvres de Da Vinci", explique Eggl. "Vous pouvez deviner à quoi pourrait ressembler la peinture, mais vous ne pouvez jamais reconstruire les données que vous perdez." Bassa, C. G. et al. Astron. Astrophys. 689, L10 (2024).