Satellitter forstyrrer astronomiske data – kan kunstig intelligens tilby en løsning?

Satellitter forstyrrer astronomiske data – kan kunstig intelligens tilby en løsning?

Astronomer har utviklet en maskinlæringsalgoritme som kan oppdage satellittspor i bilder av nattehimmelen med høy nøyaktighet. Denne modellen gjør datatolkning enklere og kan tillate fjerning av kantene som i økende grad forårsaker problemer i astronomi.

Teknologi vil være problemet "Fotobomber" fra Internett-kommunikasjonssatellitter kan ikke løse, men kan bidra til å redusere deres innvirkning på enkelte teleskopbilder. Forskere omtalte arbeidet på den internasjonale astronomiske unionens (IAU) generalforsamling i Cape Town forrige måned.

"Maskinlæring og kunstig intelligens kan hjelpe fordi hvis du har nok data, kan du klassifisere, ok, dette er hvordan en satellitt ser ut," sier Siegfried Eggl, en astrofysiker ved University of Illinois Urbana-Champaign. Men antallet satellittoppskytinger og utviklinger skjer i et «frokosttempo», legger han til, og forskerne «gjør sitt beste for å ta det igjen».

Økende trussel

I løpet av de siste fem årene har selskaper som SpaceX i Hawthorne, California, Eutelsat OneWeb i London og Amazons Project Kuiper i Redmond, Washington, skutt opp tusenvis av kommunikasjonssatellitter i lav bane rundt jorden. Mange flere er planlagt, inkludert en 12.000-satellitt megakonstellasjon kalt G60 Starlink som skal lanseres av Shanghai Spacecom Satellite Technology i Kina. "Det er nå omtrent en million satellitter på registeret over ambisjoner for fremtiden," sa Richard Green, direktør for IAU Center for Protecting Dark and Quiet Skies fra Satellite Constellation Interference, under en sesjon på IAU General Assembly.

Disse satellittene gir rask bredbåndsinternetttilgang til mennesker over hele verden, men er det stadig mer forstyrrende for astronomer — de vises som lyse striper i himmelbilder og kan påvirke observasjoner over hele det elektromagnetiske spekteret. Følsomme teleskoper med brede synsfelt er spesielt påvirket av denne satellittforurensningen. For eksempel er det anslått at det kommende Vera Rubin-teleskopet kan se mer enn en tredjedel av bildene sine kompromittert.

"Astronomi i dag er en vitenskap som involverer store mengder data, og det er ingen mennesker som kan se på alle bildene som er tatt opp hver natt og se stripene," sier Eggl. "Maskinlæring kan hjelpe her."

For å utvikle et program for å identifisere satellittspor i teleskopbilder, trente María Romero-Colmenares, en dataforsker ved University of Atacama i Chile, en overvåket maskinlæringsalgoritme på titusenvis av bilder tatt av et nettverk av teleskoper i Chile, Spania, Mexico, Vietnam og Sør-Korea. "Vi visste når og hvor [på himmelen] vi skulle observere satellitten, og gjorde en observasjon med en satellitt og en uten," sier Romero-Colmenares, og produserer like mange klare og forurensede bilder. Da hun og hennes kolleger brukte modellen på offentlig tilgjengelige data fra prosjektene WASP (Wide Angle Search for Planets) og Hungarian Automated Telescope Network, var algoritmen i stand til å identifisere 96 % av satellittsporene.

Å oppdage stripene er et viktig skritt mot å eliminere dem fra bilder og data, sier Jeremy Tregloan-Reed, en astrofysiker ved University of Atacama som jobbet med Romero-Colmenares på prosjektet. Den neste utfordringen blir å utvikle verktøy som faktisk kan fjerne satellittsporene samtidig som de underliggende dataene bevares. Dette er bare mulig i tilfeller hvor satellitten ikke er så lyssterk at den metter pikslene i et bilde og fortoner seg til omkringliggende piksler, sier Tregloan-Reed. Hvis det oppstår et overløp, kan ikke de underliggende dataene lagres.

Innen slutten av neste år håper forskerne å utvikle en åpen kildekode-app og et program som vil tillate observatorier og amatørastronomer å identifisere og rydde opp forurensede bilder og data. Slike tiltak vil mest sannsynlig være vellykket på små teleskoper med lavfølsomme kameraer.

Stjernelignende lyn

Andre former for satellittforurensning viser seg å være enda vanskeligere å håndtere. Når solcellepaneler og andre flate overflater på satellitter fanger lyset, produserer de lyn kortvarige astronomiske transienter lignende, energiutbrudd som kan vare fra millisekunder til år.

"Siden disse blinkene er veldig korte, noen ganger opptil et millisekund, er satellittbevegelsen under dem ubetydelig, og vi får et perfekt stjernelignende blits," sier Sergey Karpov, en astronom ved Central European Institute of Cosmology and Fundamental Physics i Praha. Det er "ingen reell måte å skille disse blinkene fra de astrofysiske transientene vi ønsker å oppdage - bortsett fra å sammenligne deres plassering direkte med kataloger over satellittbaner," legger han til.

Elektronisk utstyr i satellitter kan også sende ut utilsiktet stråling, og forstyrre observasjoner av Big Bangs etterglød, sier Eggl. Astronomer håper at studere denne strålingen, kjent som kosmisk mikrobølgebakgrunnsstråling, Svar på spørsmål om utvidelsen av universet blir. SpaceXs neste generasjon satellitter, som selskapet begynte å skyte opp i fjor, sender ut omtrent 30 ganger mer stråling enn forrige generasjon. Denne typen stråling er uregulert og kan sette hele observasjonsbånd i fare.

Eggl påpeker at AI-verktøy faktisk ikke kan rekonstruere tapte data, og problemet vil bli verre etter hvert som flere satellitter skytes opp. "Hvis du maler hvit maling over Mona Lisa, vil det på et tidspunkt ikke være noe du kan gjøre, selv om du trener en maskinlæringsalgoritme på alle da Vincis verk," sier Eggl. "Du kan kanskje gjette hvordan maleriet kan se ut, men de kan aldri rekonstruere dataene du mister."

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

   Artikkel
   Google Scholar

Last ned referanser