Satelliter stör astronomiska data — kan AI erbjuda en lösning?

Satelliter stör astronomiska data — kan AI erbjuda en lösning?

Astronomer har utvecklat en maskininlärningsalgoritm som kan upptäcka satellitspår i bilder av natthimlen med hög noggrannhet. Denna modell gör datatolkning enklare och skulle kunna göra det möjligt att ta bort de fransar som alltmer orsakar problem inom astronomi.

Tekniken kommer att vara problemet "Fotobomber" från Internetkommunikationssatelliter kan inte lösa, men kan hjälpa till att minska deras inverkan på vissa teleskopbilder. Forskare hyllade arbetet vid International Astronomical Union (IAU) generalmöte i Kapstaden förra månaden.

"Maskininlärning och artificiell intelligens kan hjälpa för om du har tillräckligt med data kan du klassificera, okej, det är så här en satellit ser ut", säger Siegfried Eggl, en astrofysiker vid University of Illinois Urbana-Champaign. Men antalet satellituppskjutningar och utvecklingar sker i "frukosttakt", tillägger han, och forskare "gör sitt bästa för att komma ikapp."

Växande hot

Under de senaste fem åren har företag som SpaceX i Hawthorne, Kalifornien, Eutelsat OneWeb i London och Amazons Project Kuiper i Redmond, Washington, sänt upp tusentals kommunikationssatelliter i låg omloppsbana om jorden. Många fler är planerade, inklusive en megakonstellation med 12 000 satelliter som heter G60 Starlink som ska lanseras av Shanghai Spacecom Satellite Technology i Kina. "Det finns nu omkring en miljon satelliter i registret över ambitioner för framtiden", sa Richard Green, chef för IAU Center for Protecting Dark and Quiet Skies from Satellite Constellation Interference, under en session på IAU:s generalförsamling.

Dessa satelliter ger snabb bredbandsanslutning till internet till människor över hela världen, men är det allt mer störande för astronomer — de visas som ljusa ränder i himmelsbilder och kan påverka observationer över hela det elektromagnetiska spektrumet. Känsliga teleskop med breda synfält påverkas särskilt av denna satellitkontamination. Till exempel uppskattas det att det kommande Vera Rubin-teleskopet kan se mer än en tredjedel av sina bilder äventyras.

"Astronomi idag är en vetenskap som involverar stora mängder data, och det finns ingen människa som kan titta på alla bilder som spelas in varje natt och se ränderna", säger Eggl. "Maskininlärning kan hjälpa här."

För att utveckla ett program för att identifiera satellitspår i teleskopbilder, tränade María Romero-Colmenares, en dataforskare vid University of Atacama i Chile, en övervakad maskininlärningsalgoritm på tiotusentals bilder tagna av ett nätverk av teleskop i Chile, Spanien, Mexiko, Vietnam och Sydkorea. "Vi visste när och var [på himlen] vi skulle observera satelliten och gjorde en observation med en satellit och en utan," säger Romero-Colmenares och producerar lika många tydliga och kontaminerade bilder. När hon och hennes kollegor tillämpade modellen på allmänt tillgänglig data från projekten WASP (Wide Angle Search for Planets) och Hungarian Automated Telescope Network, kunde algoritmen identifiera 96 ​​% av satellitspåren.

Att upptäcka ränderna är ett viktigt steg mot att eliminera dem från bilder och data, säger Jeremy Tregloan-Reed, en astrofysiker vid University of Atacama som arbetade med Romero-Colmenares i projektet. Nästa utmaning blir att utveckla verktyg som faktiskt kan ta bort satellitspåren samtidigt som de underliggande data bevaras. Detta är bara möjligt i de fall där satelliten inte är så ljusstark att den mättar pixlarna i en bild och tonar ut till omgivande pixlar, säger Tregloan-Reed. Om ett spill uppstår kan underliggande data inte sparas.

I slutet av nästa år hoppas forskarna kunna utveckla en app och ett program med öppen källkod som gör det möjligt för observatorier och amatörastronomer att identifiera och rensa förorenade bilder och data. Sådana åtgärder kommer troligen att bli framgångsrika på små teleskop med lågkänsliga kameror.

Stjärnliknande blixt

Andra former av satellitkontamination visar sig vara ännu svårare att hantera. När solpaneler och andra plana ytor på satelliter fångar ljuset producerar de blixtar kortlivade astronomiska transienter liknande energiutbrott som kan vara från millisekunder till år.

"Eftersom dessa blixtar är mycket korta, ibland upp till en millisekund, är satellitrörelsen under dem försumbar och vi får en perfekt stjärnliknande blixt", säger Sergey Karpov, en astronom vid Central European Institute of Cosmology and Fundamental Physics i Prag. Det finns "inget riktigt sätt att skilja dessa blixtar från de astrofysiska transienter vi vill upptäcka - förutom att jämföra deras plats direkt med kataloger över satellitbanor," tillägger han.

Elektronisk utrustning i satelliter kan också avge oavsiktlig strålning, vilket stör observationer av Big Bangs efterglöd, säger Eggl. Astronomer hoppas att studera denna strålning, känd som kosmisk mikrovågsbakgrundsstrålning, Svara på frågor om universums expansion blir. SpaceX nästa generation av satelliter, som företaget började skjuta upp förra året, sänder ut cirka 30 gånger mer strålning än föregående generation. Denna typ av strålning är oreglerad och kan äventyra hela observationsband.

Eggl påpekar att AI-verktyg faktiskt inte kan rekonstruera förlorad data och problemet kommer att förvärras när fler satelliter skjuts upp. "Om du målar vit färg över Mona Lisa kommer det någon gång att finnas något du kan göra, även om du tränar en maskininlärningsalgoritm på alla da Vincis verk", säger Eggl. "Du kanske kan gissa hur målningen kan se ut, men de kan aldrig rekonstruera den data du förlorar."

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

   Artikel
   Google Scholar

Ladda ner referenser