天文学家开发了一种机器学习算法，可以高精度检测夜空图像中的卫星条纹。该模型使数据更容易解释，并可以消除条纹，这些条纹正在天文学中造成越来越多的问题。
该技术无法解决互联网通信卫星照片轰炸观测的问题，但它可以帮助减少它们对一些望远镜图像的影响。研究人员上个月在开普敦举行的国际天文学联合会 (IAU) 大会上展示了这项工作。
机器学习和人工智能可以提供帮助，因为如果你有足够的数据，你可以对其进行分类，好吧，这是伊利诺伊大学厄巴纳-香槟分校的天体物理学家西格弗里德·埃格尔说，卫星是什么样子的。但他补充道，卫星发射和开发正在以惊人的速度发展，研究人员正在尽最大努力迎头赶上。
在过去的五年里，包括 SpaceX 在内的公司加利福尼亚州霍桑、伦敦的欧洲通信卫星公司 OneWeb 和华盛顿州雷德蒙德的亚马逊柯伊伯项目已向近地轨道发射了数千颗通信卫星。还有更多的计划，包括一个由 12,000 颗卫星组成的巨型星座，称为 G60 星链，由上海航天通信卫星技术有限公司在中国发射。IAU 保护黑暗和安静天空免受卫星星座干扰中心主任理查德·格林 (Richard Green) 在 IAU 大会的一次会议上表示，目前大约有 100 万颗卫星登记在未来的雄心壮志中。
天文学家推动关于巨型卫星群的全球辩论
这些卫星为世界各地的人们提供快速的宽带互联网接入，但对天文学家来说越来越具有破坏性，它们看起来像明亮的条纹在天空图像中，可能会影响整个电磁频谱的观测。具有宽视场的灵敏望远镜首当其冲地受到这种卫星污染的影响。例如，根据大会上提出的估计，即将推出的维拉鲁宾望远镜可能会看到其三分之一以上的图像受到损害。
今天的天文学是大数据科学，没有人能够做到这一点。埃格尔说，它可以查看每晚记录的所有图像并检测条纹。这就是机器学习可以发挥作用的地方。
为了开发一个程序来识别望远镜图像中的卫星轨迹，智利阿塔卡马大学的数据科学家 Mara Romero-Colmenares 训练了一种监督机器学习算法智利、西班牙、墨西哥、越南和韩国的望远镜网络拍摄的数万张图像。罗梅罗-科尔梅纳雷斯说，我们知道观察卫星的时间和位置（在天空中），并且我们用卫星和没有卫星进行了一次观察，生成了相同数量的清晰图像和污染图像。当她和她的同事将该模型应用于 WASP（广角行星搜索）和匈牙利自动望远镜网络项目的公开数据时，该算法能够识别 96% 的卫星条纹。
不可持续：卫星群如何对天文学构成日益严重的威胁
检测条纹是从图像和数据中消除条纹的重要一步，英国大学天体物理学家 Jeremy Tregloan-Reed 表示阿塔卡马与罗梅罗-科尔梅纳雷斯在该项目上合作。下一个挑战将是开发能够真正删除卫星轨迹的工具，同时保留下面的数据。特雷格罗安-里德说，只有在卫星亮度不太高、不会使图像像素饱和并渗透到周围像素的情况下，这种情况才有可能实现。如果发生泄漏，基础数据将无法保存。
到明年年底，研究人员希望开发一款开源应用程序和程序，使天文台和业余天文学家能够识别受污染的图像和数据，并清理它们。对于配备低灵敏度相机的小型望远镜来说，此类措施最有可能取得成功。
事实证明，其他形式的卫星污染更难解决。当卫星上的太阳能电池板和其他平坦表面接收到光线时，它们会产生类似于短暂天文瞬变的闪光，这种能量爆发可以持续几毫秒到几年。
由于这些闪光非常短，可以低至布拉格中欧宇宙学和基础物理研究所的天文学家谢尔盖·卡尔波夫（Sergey Karpov）说，有时是一毫秒，在此期间卫星的运动可以忽略不计，我们会得到完美的恒星般的闪光。他补充道，除了直接将其位置与卫星轨道目录进行比较之外，没有真正的方法可以将这些闪光与我们想要检测的天体物理瞬变区分开来。
SpaceX 测试黑色卫星减少巨型星座对天文学的威胁
卫星内部的电子设备也会发出意外的辐射，干扰大爆炸余辉的观测，埃格尔说。天文学家希望研究这种被称为宇宙微波背景的辐射能够回答有关宇宙膨胀的问题。SpaceX 去年开始发射下一代卫星，其发射的辐射比上一代卫星高出约 30 倍。这种类型的辐射不受监管，可能会损害整个观测带宽1。
Eggl 指出，人工智能工具无法真正重建丢失的数据，而且随着更多卫星的发射，问题将会变得更糟。埃格尔说，如果你在《蒙娜丽莎》上刷白漆，到了某个时候，即使你在达芬奇的所有画作上训练机器学习算法，你也无能为力。他们可能会猜测这幅画的样子，但他们永远无法重建您丢失的数据。