Sammensydd råvideomateriale av kameraarrangementet til AllSky7-systemet ved hjelp av en observasjon på Sonneberg-stasjonen. Kildedataene er tilgjengelige på nettet [cp. AllSky7 Fireball Network Germany (2020)]. Kreditt: Månedlige meldinger fra Royal Astronomical Society (2022). DOI: 10.1093/mnras/stac1948
Technische Universität Ilmenau (Tyskland) bruker kunstig intelligens for å forbedre oppdagelsen og klassifiseringen av uidentifiserte fenomener på nattehimmelen. Forskerteamet til gruppen for dataintensive systemer og visualisering samarbeidet med American Meteor Society, som initierte AllSky7, et internasjonalt nettverk av forskere og amatørastronomer som permanent observerer nattehimmelen med spesialdesignede kameraer og klassifiserer og tildeler alle hendelser. Den relaterte forskningen ble publisert i Månedlige meldinger fra Royal Astronomical Society.
Med sin lysende fenomener, nattehimmelen får oss ofte til å lure. Noen kan vi forklare: stjernenes glitrende, forårsaket av atmosfæriske turbulenser, eller stjerneskudd, forårsaket av meteoritter som glinser i luften.
Andre kan være mer mystiske ved første øyekast: satellitter som passerer i rasende fart eller rakettmotorer faller tilbake til jorden. Å fange, oppdage og klassifisere alle fenomener på nattehimmelen rundt om i verden er målet for AllSky7-nettverket. Det internasjonale teamet ble lansert i 2018 av American Meteor Society, en ideell vitenskapelig organisasjon ledet av Mike Hankey som fremmer forskningsaktiviteter til profesjonelle og amatørastronomer.
AllSky7 har som mål å nøyaktig identifisere meteoritter som faller mot jorden og himmelfenomener forårsaket av andre hendelser. På 85 nattehimmelovervåkingssteder over hele USA og Europa ser 360-graders spesialkameraer kontinuerlig nattehimmel, oppdager utallige fenomener som analyseres og klassifiseres av kameraoperatørene om dagen. Algoritmene ble imidlertid kun trent for noen få såkalte positive klasser, det vil si at de bare i utilstrekkelig grad var i stand til å skille meteorer fra andre hendelser.
Over en periode på seks måneder skapte Rabea Sennlaub og Martin Hofmann algoritmen og dataene. Sammen med AllSky7-nettverket samlet de et datasett med 20 000 bilder av meteorer og ikke-meteorer tatt på AllSky7-stasjonen Sonneberg i Thuringia, Tyskland, videre delt inn i underklasser for å garantere en finklassifisert klassifisering. Den amerikanske forskeren Mike Hankey er overrasket over Thuringia-forskningen: “Resultatene gir et stort skritt mot en sømløs himmelobservasjon og kan forbedre hele nettverket.”
Dataene tillater nå et langt mer presist estimat av mengden romavfall som er i fare kommunikasjonssatellitter og livene til romstasjonsmannskaper. Resultatene fremmer det verdensomspennende nettverket av vidvinklede himmelobservatorier, og forsegler et internasjonalt forhold. Nettverket hjelper også med å bestemme når meteorer faller til jorden og hvor de lander. På denne måten kan steinavfallet analyseres og vi kan lære mer om solsystemets opphav.
Madrid-meteorens kometopprinnelse avdekket
Rabea Sennlaub et al, Objektklassifisering på videodata av meteorer og meteorlignende fenomener: algoritme og data, Månedlige meldinger fra Royal Astronomical Society (2022). DOI: 10.1093/mnras/stac1948
Levert av det tekniske universitetet i Ilmenau
Sitering: Å nøste opp nattehimmelens mysterier med AI (2022, 31. august) hentet 31. august 2022 fra https://phys.org/news/2022-08-unraveling-mysteries-night-sky-ai.html
Dette dokumentet er underlagt opphavsrett. Bortsett fra enhver rettferdig handel for formålet med private studier eller forskning, kan ingen del reproduseres uten skriftlig tillatelse. Innholdet er kun gitt for informasjonsformål.