Título: Cazador de asteroides Hubble. 1. Determinar las trayectorias de asteroides en las imágenes del Telescopio Espacial Hubble

Autores: Sandor Cork + 13 más

Fundación Primer Autor: Centro Europeo de Investigación y Tecnología Espaciales (ESA), Keplerlaan 1, 2201 AZ Noordwijk, Países Bajos

condición: Publicado en A&A [open access]

Fuerte motivación para metas pequeñas.

Aunque no hay nada que ver, los astrónomos están bastante seguros de que los primeros días de la vida del sistema solar fueron caóticos y violentos. Docenas de asteroides recién formados, planetas, y unos pocos planetas gigantes bien intencionados giraban alrededor del sol en un disco hermético: las colisiones eran inevitables, aunque sus repercusiones variaban. A veces, dos cuerpos torpes se fusionan y, a veces, uno o ambos se desintegran en pedazos más pequeños.

Para tener una idea de cuán anárquica fue esta era de nuestra historia, a los astrónomos les gusta hacer análisis forenses de asteroides que han sobrevivido hasta el presente relativamente tranquilo; Si pudieran medir la proporción actual de asteroides más pequeños con respecto a los más grandes, podrían limitar la prevalencia de colisiones devastadoras en el pasado. Eso, a su vez, nos daría modelos de dónde estaban las cosas y qué tan rápido se movían en los primeros días alrededor del sol.

Desafortunadamente, el asteroide más valioso para tal estudio, los restos más pequeños, también son los más difíciles de encontrar. Solo podemos ver asteroides cuando reflejan algo de luz solar hacia la Tierra, y las rocas pequeñas no reflejan mucha luz, lo que las hace muy débiles.

Entrada telescopio espacial Hubble. Hubble es un telescopio espacial muy capaz y muy ocupado capaz de ver los tenues restos de asteroides. Sin embargo, aunque Hubble es capaz de obtener imágenes de objetos del sistema solar, pasa la mayor parte de su tiempo mirando mucho más lejos, observando con nostalgia galaxias distantes. cuásaresy otros objetivos en distancias cósmicas.

Pero, a veces, los aspirantes a cazadores de asteroides tienen suerte, e incluso cuando el Hubble intenta medir algo más, una roca espacial local entra accidentalmente en el campo de visión. A medida que tanto el asteroide como la Tierra se mueven alrededor del sol, el asteroide detonado aparece como una línea curva en la imagen, una pequeña fractura en el fondo oscuro del universo.

Los autores de hoy trataron de extraer la mayor cantidad de información posible de estas felices coincidencias, y buscaron ambiciosamente hurgar en todo el archivo de imágenes relevantes del Hubble en busca de rayas latitudinales de pequeños asteroides secretos.

Ciencia Ciudadana + Aprendizaje Profundo

Cada imagen que finalmente toma el Hubble se vuelve pública y se puede descargar gratis para cualquiera que quiera ver algún rincón del universo. El archivo de estas imágenes es enorme y contiene más de 37.000 imágenes tomadas con herramientas y filtros que, según los autores, tienen más probabilidades de dar caza a sus objetivos. El tamaño de la base de datos requiere automatización, y para satisfacer esta necesidad los autores recurrieron a aprendizaje profundo, específicamente el modelo Cloud AutoML Vision de Google. Al alimentar una imagen, este algoritmo informa de lo que hay en la imagen (en este caso, un asteroide, mientras que en otros, perro por ejemplo). Aunque no detallan la arquitectura en este artículo, comparten que el modelo consta de varios componentes entrelazados de aprendizaje automático: utilizan red neuronal convolucional En realidad, encontrar arcos de asteroides en imágenes, pero esa misma red está modelada por un algoritmo de aprendizaje por refuerzo, un modelo de inteligencia artificial que entrena a una computadora para encontrar la solución óptima mediante prueba y error y retroalimentación de sus acciones.

Este modelo de aprendizaje automático necesita capacitación, y la capacitación requiere un índice de ejemplos conocidos del modelo que se estudiará. Como aún no existía dicho catálogo, los autores tuvieron que crear el suyo propio, y para ello buscaron la ayuda de científicos ciudadanos. pusieron en marcha un proyecto de Mundo animal Llamar Cazador de asteroides HubbleEn el transcurso de aproximadamente un año, más de 11,000 voluntarios iniciaron sesión para peinar los datos y buscar arcos de asteroides a simple vista. A cada voluntario se le mostraron varias imágenes del Hubble y se le preguntó: “¿Hay un asteroide en esta imagen?” Para cada foto, se le pidió que descartara las fotos sin líneas y las marcara con curvas reveladoras. Estos voluntarios proporcionaron colectivamente más de 2 millones de respuestas sí/no a la consulta y, en total, este esfuerzo masivo reveló rayas de asteroides en aproximadamente el 1% de todas las imágenes.

rendimiento del modelo

Después de que todas las imágenes cuidadosamente categorizadas por la audiencia fueran procesadas e ingresadas en su modelo, los autores desataron su código en el conjunto de datos completo. ¿Como hiciste? Al final, el algoritmo logró el 73,6%. sentencias (es decir, el 73,6% de sus identidades eran correctas) y el 58,2% Recuerdo (Esto significa que logró recuperar el 58,2% de todos los asteroides encontrados por voluntarios). Si bien esto puede parecer por debajo del promedio, fue más que suficiente para hacer algunos nuevos descubrimientos científicos.

Al combinar las huellas encontradas por los voluntarios y las encontradas por el modelo, los autores ensamblaron una pila de 2487 posibles arcos de asteroides. Luego revisaron manualmente cada uno de estos candidatos, y tras eliminar los duplicados y calcular los falsos positivos que provocaban rayos cósmicosY el Lentes de gravedado satélites asociados con la Tierra, acortaron la lista a 1.701 detecciones de asteroides confiables.

Tras comprobar si alguna de estas líneas se puede atribuir a alguno de los más de 1,2 millones asteroides conocidos, los autores concluyeron que 670 de las líneas son consistentes con fuentes descubiertas previamente y que las 1031 restantes fueron causadas por asteroides no vistos anteriormente. También descubrieron que estos asteroides recién descubiertos eran sistemáticamente más débiles que los objetos conocidos, lo que esperaban: cuanto más brillante era un asteroide, mayor era la posibilidad de que realmente fuera detectado por un estudio terrestre. Esta debilidad general también insinuó que muchos de sus nuevos descubrimientos son exactamente el tipo de asteroide pequeño que hemos tenido problemas para contar en otras encuestas.

Los autores también comenzaron a explorar otras propiedades de su muestra de nuevos asteroides, incluida la distribución espacial y la diversidad en el brillo. Aunque no tienen en cuenta los sesgos de señalización preferencial del Hubble y dejan gran parte de este análisis adicional para trabajos futuros, su presentación de esta nueva muestra y la demostración del poder de integrar la ciencia ciudadana y el aprendizaje automático es un emocionante paso adelante en Asteroid. Contabilidad empresarial. Cuanto más confiados estemos en nuestra capacidad para contar asteroides pequeños, más cerca podremos llegar a comprender la historia temprana de nuestro sistema solar: ahora, si hay más deriva en nuestra opinión, estaremos preparados para ello.

Astrobite Editado por Ryan Golant

Crédito de la imagen destacada: ESA/Hubble y NASA, M. Thévenot (AstroMelina); CC POR 4.0

Sobre Ben Cassese

Tengo un doctorado en Astronomía en mi segundo año. Un estudiante de la Universidad de Columbia trabajando en una simulación de meteorología externa. Antes de unirse a Cool Worlds Lab, estudió ciencia e historia planetaria en Caltech, y antes de eso creció en Rhode Island. En mi tiempo libre, disfruto de ir de mochilero, hacer un gran esfuerzo para preparar café y soñar despierto con adoptar un perro en mi apartamento de la ciudad de Nueva York.