A műholdak zavarják a csillagászati ​​adatokat – tud-e az AI megoldás?

A műholdak zavarják a csillagászati ​​adatokat – tud-e az AI megoldás?

A csillagászok olyan gépi tanulási algoritmust fejlesztettek ki, amely nagy pontossággal képes észlelni a műholdak nyomait az éjszakai égboltról készült képeken. Ez a modell megkönnyíti az adatok értelmezését, és lehetővé teheti a csillagászatban egyre nagyobb problémákat okozó peremek eltávolítását.

A technológia lesz a probléma „Fotobombák” internetes kommunikációs műholdakról nem lehet megoldani, de segíthet csökkenteni hatásukat egyes teleszkópképekre. A kutatók a Nemzetközi Csillagászati ​​Unió (IAU) múlt havi fokvárosi közgyűlésén ismertették a munkát.

„A gépi tanulás és a mesterséges intelligencia segíthet, mert ha elegendő adatunk van, akkor osztályozhat, oké, így néz ki egy műhold” – mondja Siegfried Eggl, az Illinois Urbana-Champaign Egyetem asztrofizikusa. De a műholdak felbocsátása és fejlesztése „reggeli ütemben” zajlik – teszi hozzá, a kutatók pedig „mindent megtesznek a felzárkózás érdekében”.

Növekvő fenyegetés

Az elmúlt öt évben olyan vállalatok, mint a SpaceX a kaliforniai Hawthorne-ban, az Eutelsat OneWeb Londonban és az Amazon Kuiper-projekt Redmondban, Washingtonban, kommunikációs műholdak ezreit bocsátottak alacsony Föld körüli pályára. Többet is terveznek, köztük egy 12 000 műholdból álló G60 Starlink nevű mega-konstellációt, amelyet a kínai Shanghai Spacecom Satellite Technology bocsát majd fel. „Jelenleg körülbelül egymillió műhold szerepel a jövőre vonatkozó ambíciók nyilvántartásában” – mondta Richard Green, az IAU Sötét és Csendes Égeket Megvédő Központjának igazgatója az IAU Közgyűlésén.

Ezek a műholdak gyors szélessávú internet-hozzáférést biztosítanak az emberek számára világszerte, de igen egyre zavaróbb a csillagászok számára — fényes csíkokként jelennek meg az égboltképeken, és befolyásolhatják a megfigyeléseket a teljes elektromágneses spektrumon. A széles látómezővel rendelkező érzékeny teleszkópokat különösen érinti ez a műholdszennyeződés. Például a becslések szerint a közelgő Vera Rubin teleszkóp a képeinek több mint egyharmadát veszélyezteti.

„A csillagászat manapság nagy mennyiségű adatot magában foglaló tudomány, és nincs olyan ember, aki megnézné a minden este rögzített képet, és láthatná a csíkokat” – mondja Eggl. „A gépi tanulás segíthet itt.”

María Romero-Colmenares, a chilei Atacama Egyetem adattudósa egy olyan program kifejlesztéséhez, amely a távcső felvételein lévő műholdnyomokat azonosítja, felügyelt gépi tanulási algoritmust adott ki a chilei, spanyol, mexikói, vietnámi és dél-koreai teleszkóphálózat által készített több tízezer képre. "Tudtuk, hogy mikor és hol kell megfigyelni a műholdat, és egy megfigyelést végeztünk műholddal és egyet anélkül" - mondja Romero-Colmenares, azonos számú tiszta és szennyezett képet készítve. Amikor munkatársaival a modellt a WASP (Wide Angle Search for Planets) és a Magyar Automatizált Teleszkóphálózat projektek nyilvánosan elérhető adataira alkalmazta, az algoritmus a műholdnyomok 96%-át tudta azonosítani.

Jeremy Tregloan-Reed, az Atacamai Egyetem asztrofizikusa, aki Romero-Colmenaresszel együtt dolgozott a projektben, fontos lépés a csíkok észlelése a képekből és adatokból való eltávolításukhoz. A következő kihívás olyan eszközök kifejlesztése lesz, amelyek ténylegesen el tudják távolítani a műholdnyomokat, miközben megőrzik a mögöttes adatokat. Ez csak olyan esetekben lehetséges, amikor a műhold nem olyan fényes, hogy telítené a kép képpontjait, és a környező képpontokká halványuljon el, mondja Tregloan-Reed. Túlcsordulás esetén a mögöttes adatok nem menthetők.

A kutatók a jövő év végére egy olyan nyílt forráskódú alkalmazást és programot dolgoznak ki, amely lehetővé teszi az obszervatóriumok és amatőr csillagászok számára a szennyezett képek és adatok azonosítását és megtisztítását. Az ilyen intézkedések nagy valószínűséggel kis érzékenységű kamerákkal felszerelt kis teleszkópokon lesznek sikeresek.

Csillagszerű villámlás

A műholdszennyezés más formáit még nehezebb kezelni. Amikor a napelemek és a műholdak egyéb sík felületei felfogják a fényt, villámokat bocsátanak ki rövid életű csillagászati ​​tranziensek hasonló, energiakitörések, amelyek ezredmásodpercektől évekig tarthatnak.

„Mivel ezek a felvillanások nagyon rövidek, néha akár egy ezredmásodpercesek is, a műholdak mozgása közben elhanyagolható, és tökéletesen csillagszerű villanást kapunk” – mondja Szergej Karpov, a prágai Közép-európai Kozmológiai és Alapfizikai Intézet csillagásza. "Nincs igazi módja annak, hogy megkülönböztessük ezeket a villanásokat az általunk észlelni kívánt asztrofizikai tranziensektől – csak a helyzetük összehasonlítása a műholdpályák katalógusaival" – teszi hozzá.

Eggl szerint a műholdak elektronikus berendezései is kibocsáthatnak nem szándékos sugárzást, ami megzavarhatja az Ősrobbanás utófényének megfigyelését. A csillagászok azt remélik, hogy tanulmányozzák ezt a sugárzást, az úgynevezett kozmikus mikrohullámú háttérsugárzás, Válaszoljon az univerzum tágulásával kapcsolatos kérdésekre válik. A SpaceX következő generációs műholdjai, amelyeket a vállalat tavaly kezdett felbocsátni, körülbelül 30-szor több sugárzást bocsátanak ki, mint az előző generáció. Ez a fajta sugárzás nem szabályozott, és egész megfigyelési sávot veszélyeztethet.

Eggl rámutat, hogy a mesterséges intelligencia eszközök valójában nem tudják rekonstruálni az elveszett adatokat, és a probléma súlyosbodik, ahogy egyre több műhold indul útjára. „Ha fehér festékkel festi a Mona Lisát, egy ponton semmit sem fog tenni, még akkor sem, ha gépi tanulási algoritmust tanít da Vinci összes művére” – mondja Eggl. "Lehet, hogy kitalálhatja, hogy néz ki a festmény, de soha nem tudják rekonstruálni az elveszett adatokat."

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

   Cikk
   Google Tudós

Referenciák letöltése