Satellitter forstyrrer astronomiske data — kan kunstig intelligens give en løsning?

Satellitter forstyrrer astronomiske data — kan kunstig intelligens give en løsning?

Astronomer har udviklet en maskinlæringsalgoritme, der kan registrere satellitspor på billeder af nattehimlen med høj nøjagtighed. Denne model gør datafortolkning lettere og kunne tillade fjernelse af de frynser, der i stigende grad forårsager problemer i astronomi.

Teknologien vil være problemet "Fotobomber" fra internetkommunikationssatellitter kan ikke løse, men kan hjælpe med at reducere deres indvirkning på nogle teleskopbilleder. Forskere udråbte arbejdet på Den Internationale Astronomiske Unions (IAU) generalforsamling i Cape Town i sidste måned.

"Maskinlæring og kunstig intelligens kan hjælpe, for hvis du har nok data, kan du klassificere, okay, sådan ser en satellit ud," siger Siegfried Eggl, en astrofysiker ved University of Illinois Urbana-Champaign. Men antallet af satellitopsendelser og udviklinger sker i et "morgenmadstempo," tilføjer han, og forskerne "gør deres bedste for at indhente det efterslæb."

Voksende trussel

I løbet af de seneste fem år har virksomheder som SpaceX i Hawthorne, Californien, Eutelsat OneWeb i London og Amazons Project Kuiper i Redmond, Washington, sendt tusindvis af kommunikationssatellitter i lav kredsløb om Jorden. Mange flere er planlagt, herunder en megakonstellation med 12.000 satellitter kaldet G60 Starlink, der skal opsendes af Shanghai Spacecom Satellite Technology i Kina. "Der er nu omkring en million satellitter på registret over ambitioner for fremtiden," sagde Richard Green, direktør for IAU Center for Protecting Dark and Quiet Skies fra Satellite Constellation Interference, under en session på IAU General Assembly.

Disse satellitter giver hurtig bredbåndsinternetadgang til mennesker over hele verden, men er det stadig mere forstyrrende for astronomer — de fremstår som lyse striber i himmelbilleder og kan påvirke observationer over hele det elektromagnetiske spektrum. Følsomme teleskoper med brede synsfelter er særligt påvirket af denne satellitkontamination. For eksempel anslås det, at det kommende Vera Rubin-teleskop kunne se mere end en tredjedel af dets billeder kompromitteret.

"Astronomi i dag er en videnskab, der involverer store mængder data, og der er intet menneske, der kan se på alle de billeder, der er optaget hver nat og se stregerne," siger Eggl. "Maskinlæring kan hjælpe her."

For at udvikle et program til at identificere satellitspor i teleskopbilleder, trænede María Romero-Colmenares, en dataforsker ved University of Atacama i Chile, en overvåget maskinlæringsalgoritme på titusindvis af billeder taget af et netværk af teleskoper i Chile, Spanien, Mexico, Vietnam og Sydkorea. "Vi vidste hvornår og hvor [på himlen] vi skulle observere satellitten, og vi lavede en observation med en satellit og en uden," siger Romero-Colmenares og producerer et lige så stort antal klare og forurenede billeder. Da hun og hendes kolleger anvendte modellen på offentligt tilgængelige data fra projekterne WASP (Wide Angle Search for Planets) og Hungarian Automated Telescope Network, var algoritmen i stand til at identificere 96 % af satellitsporene.

At opdage stregerne er et vigtigt skridt i retning af at eliminere dem fra billeder og data, siger Jeremy Tregloan-Reed, en astrofysiker ved University of Atacama, som arbejdede med Romero-Colmenares på projektet. Den næste udfordring bliver at udvikle værktøjer, der rent faktisk kan fjerne satellitsporene og samtidig bevare de underliggende data. Dette er kun muligt i tilfælde, hvor satellitten ikke er så lysstærk, at den mætter pixels i et billede og falmer ind i omgivende pixels, siger Tregloan-Reed. Hvis der opstår et overløb, kan de underliggende data ikke gemmes.

Ved udgangen af ​​næste år håber forskerne at udvikle en open source-app og et program, der vil gøre det muligt for observatorier og amatørastronomer at identificere og rense forurenede billeder og data. Sådanne foranstaltninger vil sandsynligvis være en succes på små teleskoper med lavfølsomme kameraer.

Stjerne-lignende lyn

Andre former for satellitkontaminering viser sig at være endnu sværere at håndtere. Når solpaneler og andre flade overflader på satellitter fanger lyset, producerer de lyn kortvarige astronomiske transienter lignende energiudbrud, der kan vare fra millisekunder til år.

"Da disse blink er meget korte, nogle gange op til et millisekund, er satellitbevægelsen under dem ubetydelig, og vi får et perfekt stjernelignende glimt," siger Sergey Karpov, en astronom ved Central European Institute of Cosmology and Fundamental Physics i Prag. Der er "ingen reel måde at skelne disse blink fra de astrofysiske transienter, vi ønsker at detektere - bortset fra at sammenligne deres placering direkte med kataloger over satellitbaner," tilføjer han.

Elektronisk udstyr i satellitter kan også udsende utilsigtet stråling, der forstyrrer observationer af Big Bangs efterglød, siger Eggl. Astronomer håber, at studere denne stråling, kendt som kosmisk mikrobølgebaggrundsstråling, Besvar spørgsmål om universets udvidelse bliver. SpaceX' næste generation af satellitter, som virksomheden begyndte at opsende sidste år, udsender omkring 30 gange mere stråling end den forrige generation. Denne type stråling er ureguleret og kan bringe hele observationsbånd i fare.

Eggl påpeger, at AI-værktøjer faktisk ikke kan rekonstruere tabte data, og problemet vil blive værre, efterhånden som flere satellitter opsendes. "Hvis du maler hvid maling over Mona Lisa, vil der på et tidspunkt ikke være noget, du kan gøre, selvom du træner en maskinlæringsalgoritme på alle da Vincis værker," siger Eggl. "Du kan måske gætte, hvordan maleriet kan se ud, men de kan aldrig rekonstruere de data, du mister."

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

   Artikel
   Google Scholar

Download referencer