Sateliti motijo ​​astronomske podatke - ali lahko AI zagotovi rešitev?

Sateliti motijo ​​astronomske podatke - ali lahko AI zagotovi rešitev?

Astronomi so razvili algoritem strojnega učenja, ki lahko z visoko natančnostjo zazna satelitske sledi na slikah nočnega neba. Ta model olajša razlago podatkov in bi lahko omogočil odstranitev obrob, ki vse bolj povzročajo težave v astronomiji.

Tehnologija bo problem "PhotoBombs" iz internetnih komunikacijskih satelitov ne more rešiti, vendar bi lahko pomagal zmanjšati njihov vpliv na nekatere slike teleskopa. Raziskovalci so se prejšnji mesec uvrstili na delo na skupščini Mednarodne astronomske unije (IAU) v Cape Townu.

"Strojno učenje in umetna inteligenca lahko pomagata, ker če imate dovolj podatkov, lahko razvrstite, v redu, tako izgleda satelit," pravi Siegfried EGGL, astrofizik na Univerzi v Illinoisu Urbana-Champaign. Toda število satelitskih izstrelkov in razvoja se dogaja s "tempom za zajtrk", dodaja, raziskovalci pa se "potrudijo, da dohitijo".

Rastoča grožnja

V zadnjih petih letih so podjetja, kot so SpaceX v Hawthorneu v Kaliforniji, Eutelsat OneWeb v Londonu in Amazonov projekt Kuiper v Redmondu v Washingtonu, v nizko zemeljsko orbito sprožila na tisoče komunikacijskih satelitov. Načrtovanih je še veliko več, vključno z 12.000 satelitskim mega-konstelacijo, imenovano G60 Starlink, ki ga bo na Kitajskem lansirala satelitska tehnologija Shanghai Spacecom. "Na registru ambicij za prihodnost je zdaj približno milijon satelitov," je dejal Richard Green, direktor Centra IAU za zaščito temnega in tihega neba pred posegi v satelitsko ozvezdje, med sejo na Generalni skupščini IAU.

Ti sateliti omogočajo hiter dostop do spleta do ljudi po vsem svetu, vendar so vse bolj moteče za astronome - Zdi se kot svetle črte v nebesnih slikah in lahko vplivajo na opazovanja v celotnem elektromagnetnem spektru. Ta satelitska kontaminacija še posebej vpliva na občutljive teleskope s širokimi vidnimi polji. Na primer, ocenjujejo, da lahko prihajajoči teleskop Vera Rubin vidi več kot tretjino njegovih slik.

"Astronomija danes je znanost, ki vključuje velike količine podatkov in ni človeka, ki bi lahko vsak večer pogledal vse slike, posnete in si ogleda črte," pravi EGGL. "Strojno učenje lahko pomaga tukaj."

Da bi razvili program za identifikacijo satelitskih skladb v teleskopskih slikah, je María Romero-Colmenares, znanstvenica podatkov na Univerzi v Atacami v Čilu, usposobila nadzorovani algoritem strojnega učenja na več deset tisoč slik, ki jih je mreža teleskopov posnela v Čilu, Špani, Mehika, Vietnam in Južna Koreja. "Vedeli smo, kdaj in kje [na nebu], da bi opazovali satelit, in naredili eno opazovanje s satelitom in eno brez," pravi Romero-Colmenares, ki ustvari enako število jasnih in onesnaženih slik. Ko je s sodelavci uporabila model za javno dostopne podatke iz WASP (široko kot iskanje planetov) in madžarskih avtomatiziranih teleskopskih omrežnih projektov, je algoritem lahko identificiral 96% satelitskih skladb.

Zaznavanje proge je pomemben korak k njihovi odpravi iz slik in podatkov, pravi Jeremy Tregloan-Reed, astrofizik na univerzi v Atacami, ki je sodeloval z Romero-Colmenares na projektu. Naslednji izziv bo razviti orodja, ki lahko dejansko odstranijo satelitske sledi, hkrati pa ohranjajo osnovne podatke. To je mogoče le v primerih, ko satelit ni tako svetel, da nasiči slikovne pike slike in zbledi v okoliške slikovne pike, pravi Tregloan-Reed. Če pride do preliva, osnovnih podatkov ni mogoče shraniti.

Do konca prihodnjega leta raziskovalci upajo, da bodo razvili odprtokodno aplikacijo in program, ki bo opazovalcem in amaterskim astronomom omogočil prepoznavanje in čiščenje onesnaženih slik in podatkov. Takšni ukrepi so najverjetneje uspešni na majhnih teleskopih z nizko občutljivostjo.

Zvezda podobna strela

Druge oblike satelitske kontaminacije se izkažejo za še težje. Ko sončni paneli in druge ravne površine na satelitih zajamejo svetlobo, proizvajajo strele kratkotrajni astronomski prehodi Podobno, energijske razpoke, ki lahko trajajo od milisekund do let.

"Ker so ti utripi zelo kratki, včasih do milisekunde, je satelitsko gibanje med njimi zanemarljivo in dobimo popolnoma zvezdniško bliskavico," pravi Sergej Karpov, astronom na Srednjeevropskem inštitutu za kozmologijo in temeljne fizike v Pragi. Ni "pravega načina za razlikovanje teh utrinkov od astrofizičnih prehodov, ki jih želimo zaznati - če primerjamo njihovo lokacijo neposredno s katalogih satelitskih orbitov," dodaja.

Elektronska oprema v satelitih lahko oddaja tudi nenamerno sevanje, kar moti opazovanja velikega Banga, pravi EGGL. Astronomi upajo, da bo preučevanje tega sevanja, znanega kot Kozmično mikrovalovno sevanje ozadja, Odgovorite na vprašanja o širitvi vesolja postane. Naslednja generacija satelitov SpaceX, ki jo je podjetje začelo lansirati lani, oddaja približno 30 -krat več sevanja kot prejšnja generacija. Ta vrsta sevanja je neurejena in bi lahko ogrozila celotne opazovalne pasove.

EGGL poudarja, da AI Tools resnično ne more rekonstruirati izgubljenih podatkov in težava se bo poslabšala, ko bo lansiralo več satelitov. "Če pobarvate belo barvo po Mona Lisi, v nekem trenutku ne morete storiti ničesar, tudi če usposobite algoritem strojnega učenja na vseh delih Da Vincija," pravi EGGL. "Morda boste lahko uganili, kako lahko izgleda slika, vendar nikoli ne morejo rekonstruirati podatkov, ki jih izgubite."

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

   Članek
   Google Učenjak

Prenesite reference