卫星干扰天文数据 - AI可以提供解决方案吗？
卫星干扰天文数据 - AI可以提供解决方案吗？
天文学家已经开发了一种机械学习算法，该算法可以以高度准确地识别夜空中的卫星痕迹。该模型促进了数据解释，并可以使条纹被删除，这越来越多地导致天文学问题。
技术成为无法解决，但可以帮助减少其对某些望远镜图像的影响。研究人员上个月在开普敦国际天文联盟（IAU）股东大会上赞扬了这项工作。
“机器学习和人工智能可以提供帮助，因为如果您有足够的数据，可以对，好的，这就是卫星的样子，”伊利诺伊大学Urbana-Champaign的天体物理学家Siegfried Eggl说。但是，他补充说，卫星的开始和发展的数量是在“快速速度”上发生的，研究人员“尽力赶上它”。
增长威胁
在过去的五年中，加利福尼亚州霍桑市的SpaceX等公司，伦敦的Eutelsat Oneweb和华盛顿雷德蒙德的亚马逊项目Kuiper，将数千个通信卫星推向了一个低轨道。有更多计划的计划，包括12,000颗名为G60 Starlink的卫星巨型构造，该卫星由中国上海飞船卫星技术推出。 IAU中心主任理查德·格林（Richard Green）在国际电联大会上的一次会议上说：“现在，在未来的野心登记册中有大约一百万颗卫星。”
这些卫星提供人们的快速宽带互联网访问，但天文学家越来越破坏性 - 它们在天上的图像中显示为光条，可以影响整个电磁频谱的观察结果。具有广泛视野的敏感望远镜受到这种卫星污染的影响。例如，即将到来的Vera Rubin望远镜估计可以看到他的三分之一以上的照片。
“天文学现在是科学有大量数据，没有人可以观看每天晚上录制并识别条纹的所有图片。” Eggl说。 “机器学习可以在这里提供帮助。”
为了制定一项程序，以识别望远镜图像中卫星痕迹的痕迹，智利阿塔卡马大学的数据科学家MaríaRomero-Colmenares培训了一项受监视的机器学习算法，该算法是数以万计的图像记录的，这些算法是由Chile，Spain spain spain of Chile，Spain of Chile，Spain of Spain of Chile，墨西哥，墨西哥，朝鲜Vornam，Vornam，Vornem vornem and Nouthnal of Telescopes录制的。罗梅罗 - 哥洛梅纳雷斯说：“我们知道[天空中的何时何地（在天空中]，我们应该观看卫星，并用卫星进行观察。”当她和您的同事使用该模型从WASP（广角搜索行星搜索）和匈牙利自动化望远镜网络中公开可用的数据时，该算法能够识别96％的卫星痕迹。
Atacama大学的天体物理学家Jeremy Tregloan-Reed说，对脱衣舞的发现是从图片和数据中消除这些脱衣舞的重要一步。下一个挑战将是开发工具，这些工具可以在保留下面的数据时实际上删除卫星痕迹。 Tregloan-reed说，只有在卫星不那么明亮以至于它被图像的像素饱和并传递到周围像素的情况下，这才有可能。如果有溢出，则无法保存基础数据。
研究人员希望在明年年底之前开发一个开源应用程序和一个程序，使观察者和业余天文学家能够识别和清理受污染的图像和数据。预计在具有敏感性的相机的小型望远镜中，此类措施预计将是最成功的。星形 - 闪光灯
其他形式的卫星污染物被证明更加困难。当太阳能模块和其他平坦表面捕获卫星上的光线时，它们会产生闪光灯，官僚的天文瞬变类似于能量，可以从Milliseconds到年
“由于这些闪光很短，有时甚至是一毫秒，所以卫星运动可以忽略不计，我们得到了一个完美的明星 - 闪光灯，”中欧宇宙学研究所和布拉格基本物理学研究所的天文学家Sergey Karpov说。他补充说：“除了将它们的位置直接与卫星轨道的目录进行比较之外，没有真正的方法可以将这些闪光与天体物理瞬变区分开来。”
埃格尔说，卫星中的电子设备还可以发出无意的辐射，这会打扰大爆炸的观察结果。天文学家希望对这种辐射的研究被称为，去年，该公司的下一代卫星比上一代散发出30倍的辐射
eggl指出，AI工具无法真正重建丢失的数据，并且卫星将开始使用更多的卫星。埃格尔说：“如果您用白色在蒙娜丽莎（Mona Lisa）上绘画，即使您在Da Vinci的所有作品上训练机器学习算法，也无能为力。” “您可能会猜测这幅画的外观，但是您永远无法重建丢失的数据。”