Satellieten interfereren met astronomische gegevens - kan AI een oplossing bieden?
Satellieten interfereren met astronomische gegevens - kan AI een oplossing bieden?
Astronomen hebben een mechanisch leeralgoritme ontwikkeld dat satellietsporen kan herkennen in foto's van de nachtelijke hemel met hoge nauwkeurigheid. Dit model vergemakkelijkt de gegevensinterpretatie en kan de strepen kunnen verwijderen, die in toenemende mate problemen in de astronomie veroorzaken.
The technology becomes the Problem of "FotoBombs" of Internet communication Satellieten konden niet worden opgelost, maar konden helpen hun effecten op sommige telescopische afbeeldingen te verminderen. Onderzoekers prees het werk vorige maand tijdens de algemene bijeenkomst van de International Astronomical Union (IAU) in Kaapstad.
"Machine learning en kunstmatige intelligentie kunnen helpen, want als je voldoende gegevens hebt, kun je classificeren, oké, dat is hoe een satelliet eruit ziet", zegt Siegfried Eggl, astrofysicus aan de Urbana-Champaign van de Universiteit van Illinois. Maar het aantal satelliet begint en ontwikkelingen gebeuren bij "snel tempo", voegt hij eraan toe, en de onderzoekers "doen hun best om in te halen".
Groeiende dreiging
In de afgelopen vijf jaar lanceerden bedrijven zoals SpaceX in Hawthorne, Californië, Eutelsat Oneweb in Londen en het project Kuiper van Amazon in Redmond, Washington, duizenden communicatiesatellieten in een lage baan. Er zijn nog veel meer gepland, waaronder een 12.000 satelliet megaconstelling genaamd G60 Starlink, die moet worden gelanceerd door Shanghai Spacecom Satellite Technology in China. "Er zijn nu ongeveer een miljoen satellieten in het register van ambities voor de toekomst," zei Richard Green, directeur van het IAU -centrum om de donkere en rustige hemel te beschermen tegen interferenties van satellietconstellatie, tijdens een sessie op de IAU General Meeting.
These satellites offer people's fast broadband internet access, but are In toenemende mate verstorend voor astronomen -Ze verschijnen als lichte strepen in hemelse beelden en kunnen observaties over het gehele elektromagnetische spectrum beïnvloeden. Gevoelige telescopen met een breed gezichtsveld worden vooral beïnvloed door deze satellietbesmetting. De aankomende Vera Rubin -telescoop zou bijvoorbeeld kunnen worden geschat op meer dan een derde van zijn foto's.
"Astronomie is nu wetenschap met grote hoeveelheden gegevens, en er is geen persoon die alle foto's kan bekijken die elke avond worden opgenomen en de strepen herkennen", zegt Eggl. "Machine learning kan hier helpen."
Om een programma te ontwikkelen voor de identificatie van satellietsporen in telescopische afbeeldingen, trainde María Romero-Colmenares, een datawetenschapper aan de Universiteit van Atacama in Chile in Chile, een bewaakt machine learning-algoritme op tientallen duizenden afbeeldingen die werden opgenomen door een netwerk van telescopen in Chile, Spain, Spain, Spain, Mexico, Vietnam en Zuid-Korea. "We wisten wanneer en waar we [in de lucht] de satelliet moesten bekijken en een observatie hebben gemaakt met een satelliet en een zonder", zei Romero-Colmenares en creëerde hetzelfde aantal duidelijke en vervuilde beelden. Toen zij en uw collega's het model gebruikten voor openbaar beschikbare gegevens van de WASP (Wide Angle Search Search for Planets) en het Hongaarse geautomatiseerde telescoopnetwerk, kon het algoritme 96 % van de satellietsporen identificeren.
De detectie van de strip is een belangrijke stap in de richting van de eliminatie hiervan uit foto's en gegevens, zegt Jeremy Tlegloan-Reed, een astrofysicus aan de Universiteit van Atacama die aan het project werkte met Romero-Colmenares. De volgende uitdaging zal zijn om hulpmiddelen te ontwikkelen die de satellietsporen kunnen verwijderen terwijl de gegevens eronder worden bewaard. Dit is alleen mogelijk in gevallen waarin de satelliet niet zo helder is dat deze wordt verzadigd door de pixels van een afbeelding en in omliggende pixels gaat, zegt Tlegloan-Reed. Als er overloopt, kunnen de onderliggende gegevens niet worden opgeslagen.
De onderzoekers hopen tegen het einde van volgend jaar een open source -app en een programma te ontwikkelen waarmee observator- en amateur -astronomen vervuilde afbeeldingen en gegevens kunnen identificeren en opruimen. Dergelijke maatregelen zullen naar verwachting het meest succesvol zijn in kleine telescopen met camera's met weinig gevoeligheid.sterachtige flitsen
Andere vormen van satellietbesmetting blijken nog moeilijker te beheren te zijn. Wanneer zonnemodules en andere platte oppervlakken het licht op satellieten vastleggen, creëren ze flitsen, de Bureaous astronomische transiënten Lijken op energie, die van milliseconden tot jaren kan duren.
"Omdat deze flitsen erg kort zijn, soms tot één milliseconde, is de satellietbeweging te verwaarlozen en krijgen we een perfecte sterachtige flits", zegt Sergey Karpov, astronoom aan het Central European Institute of Cosmology and Fundamental Physics in Prague. Er is "geen echte manier om deze flitsen te onderscheiden van astrofysische transiënten die we zouden willen herkennen - afgezien van het rechtstreeks vergelijken van hun positie met catalogi van satellietsporen", voegt hij eraan toe.
De elektronische apparatuur in satellieten kunnen ook onbedoelde straling uitzenden die de observaties van de gloed van de oerknal verstoort, zegt Eggl. Astronomen hopen dat de studie van deze straling, bekend als ,
bassa, C. G. et al. Astron. Astrofys. 689, L10 (2024). >