Sateliti motijo astronomske podatke - ali lahko AI ponudi rešitev?
Sateliti motijo astronomske podatke - ali lahko AI ponudi rešitev?
Astronomi so razvili algoritem mehanskega učenja, ki lahko z visoko natančnostjo prepozna satelitske sledi na slikah nočnega neba. Ta model olajša interpretacijo podatkov in lahko omogoči odstranjevanje trakov, ki vse pogosteje povzročajo težave v astronomiji.
Tehnologija postane Problem ni bilo mogoče rešiti, vendar bi lahko pomagali zmanjšati njihove učinke na nekatere teleskopske slike. Raziskovalci so delo pohvalili prejšnji mesec na skupščini Mednarodne astronomske unije (IAU) v Cape Townu.
"Strojno učenje in umetna inteligenca lahko pomagata, saj če imate dovolj podatkov, lahko razvrstite, v redu, tako izgleda satelit," pravi Siegfried EGGL, astrofizik na Univerzi v Illinoisu Urbana-Champaign. Toda število satelitskih začetkov in razvoja se zgodi s "hitrim tempom", dodaja in raziskovalci "se po svojih najboljših močeh potrudijo".
vse večja 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 orbito sprožila na tisoče komunikacijskih satelitov. Načrtovanih je veliko več, vključno z 12.000 satelitskimi megaconstelaciji, imenovani G60 Starlink, ki naj bi jo začela satelitska tehnologija Shanghai Spacecom na Kitajskem. "V registru ambicij za prihodnost je zdaj približno milijon satelitov," je med zasedanjem na skupščini IAU dejal Richard Green, direktor centra IAU za zaščito temnega in mirnega neba pred posegi v satelitsko ozvezdje.
These satellites offer people's fast broadband internet access, but are vse bolj moteča za astronome -v nebeških slikah so videti kot lahke črte in lahko vplivajo na opazovanja po celotnem elektromagnetnem spektru. Ta satelitska kontaminacija še posebej vpliva na občutljive teleskope s širokim vidnim poljem. Na primer, prihajajoči teleskop Vere Rubin bi lahko ocenili, da bo videl več kot tretjino njegovih slik.
"Astronomija je zdaj znanost z velikimi količinami podatkov in ni nobene osebe, ki bi si lahko ogledala vse slike, ki se posnejo vsak večer in prepoznajo črte," pravi Eggl. "Strojno učenje lahko pomaga tukaj."
In order to develop a program for the identification of satellite traces in telescopic images, María Romero-Colmenares, a data scientist at the University of Atacama in Chile, trained a monitored machine learning algorithm on tens of thousands of images that were recorded by a network of telescopes in Chile, Spain, Mexico, Vietnam and South Korea. "Vedeli smo, kdaj in kje [na nebu] bi morali gledati satelit in si omislili satelit in eno brez", je dejal Romero-Colmenares in ustvaril enako število jasnih in onesnaženih slik. Ko je s sodelavci uporabila model za javno dostopne podatke iz WASP (široko iskanje iskanja planetov) in madžarskega avtomatiziranega teleskopskega omrežja, je algoritem lahko identificiral 96 % satelitskih sledi.
Zaznavanje traku je pomemben korak k odpravljanju teh slik in podatkov, pravi Jeremy Tregloan-Reed, astrofizik na Univerzi v Atacami, ki je delal na projektu z Romero-Colmenares. Naslednji izziv bo razviti orodja, ki lahko dejansko odstranijo satelitske sledi, medtem ko so podatki pod njimi zadržani. To je mogoče le v primerih, ko satelit ni tako svetel, da ga nasičijo piksle slike in preide v okoliške slikovne pike, pravi Tregloan-Reed. Če se preliva, osnovnih podatkov ni mogoče shraniti.
Raziskovalci upajo, da bodo do konca prihodnjega leta razvili odprtokodno aplikacijo in program, ki omogoča opazovalcem in amaterskim astronomom, da prepoznajo in čistijo onesnažene slike in podatke. Pričakuje se, da bodo takšni ukrepi najuspešnejši v majhnih teleskopih s kamerami z malo občutljivosti.Star -podobni utripi
Druge oblike satelitske kontaminacije se izkažejo za še težje upravljati. Ko sončni moduli in druge ravne površine zajamejo luč na satelitih, ustvarijo utripe, birodni astronomski prehodi spominjajo na energijo, ki lahko traja od milisekund do let
"Ker so ti utripi zelo kratki, včasih do ene milisekunde, je satelitsko gibanje zanemarljivo in dobimo popolno zvezdo," pravi Sergej Karpov, astronom na Srednjeevropskem inštitutu za kozmologijo in temeljne fizike v Pragi. Ni "pravega načina za razlikovanje teh utrinkov od astrofizičnih prehodnih prehodov, ki bi jih radi prepoznali - razen če primerjamo njihov položaj neposredno s katalogi iz satelitskih tirov," dodaja.
Elektronska oprema v satelitih lahko oddaja tudi nenamerno sevanje, ki moti opazovanja sijaja velikega poka, pravi EGGL. Astronomi upajo, da je študija tega sevanja, znana kot ,
EGGL poudarja, da AI Tools res ne more rekonstruirati izgubljenih podatkov in več satelitov bo zagnanih več satelitov. "Če pobarvate nad Mona Lizo z belo barvo, ne morete storiti ničesar, tudi če usposobite algoritem strojnega učenja na vseh delih Da Vincija," pravi EGGL. "Morda uganite, kako bi lahko izgledala slika, vendar nikoli ne morete rekonstruirati podatkov, ki jih izgubite." Bassa, C. G. et al. Astron. Astrophys. 689, L10 (2024). >