Sammensyet råvideomateriale af kameraarrangementet af AllSky7-systemet ved hjælp af en observation på Sonneberg-stationen. Kildedataene er tilgængelige online [cp. AllSky7 Fireball Network Germany (2020)]. Kredit:Månedlige meddelelser fra Royal Astronomical Society (2022). DOI:10.1093/mnras/stac1948
Technische Universität Ilmenau (Tyskland) bruger kunstig intelligens til at forbedre detekteringen og klassificeringen af uidentificerede fænomener på nattehimlen. Forskerholdet i gruppen for dataintensive systemer og visualisering samarbejdede med American Meteor Society, som startede AllSky7, et internationalt netværk af forskere og amatørastronomer, der permanent observerer nattehimlen med specialdesignede kameraer og klassificerer og tildeler alle begivenheder. Den relaterede forskning blev offentliggjort i Monthly Notices of the Royal Astronomical Society .
Med sine lysende fænomener får nattehimlen os ofte til at undre os. Nogle vi kan forklare:stjernernes funklende, forårsaget af atmosfæriske turbulenser, eller stjerneskud, forårsaget af meteoritter, der glimter i luften.
Andre kan være mere mystiske ved første øjekast:satellitter, der passerer forbi med en voldsom hastighed eller raketmotorer, der falder tilbage til Jorden. At fange, opdage og klassificere alle fænomener på nattehimlen rundt om i verden er målet for AllSky7-netværket. Det internationale hold blev lanceret i 2018 af American Meteor Society, en nonprofit videnskabelig organisation ledet af Mike Hankey, der fremmer forskningsaktiviteterne for professionelle og amatørastronomer.
AllSky7 sigter mod præcist at identificere meteoritter, der falder mod Jorden og himlens fænomener forårsaget af andre begivenheder. På 85 nattehimmelovervågningssteder i hele USA og Europa ser 360-graders specielle kameraer konstant nattehimlen og registrerer utallige fænomener, der analyseres og klassificeres af kameraoperatørerne om dagen. Algoritmerne blev dog kun trænet til nogle få såkaldte positive klasser, det vil sige, at de kun var utilstrækkeligt i stand til at skelne meteorer fra andre begivenheder.
Over en periode på seks måneder skabte Rabea Sennlaub og Martin Hofmann algoritmen og dataene. Sammen med AllSky7-netværket indsamlede de et datasæt med 20.000 billeder af meteorer og ikke-meteorer taget på AllSky7-stationen Sonneberg i Thüringen, Tyskland, yderligere opdelt i underklasser for at garantere en fint opnået klassificering. Den amerikanske forsker Mike Hankey er forbløffet over Thüringen-forskningen:"Resultaterne giver et stort skridt mod en sømløs himmelobservation og kan forbedre hele netværket."
Dataene tillader nu et langt mere præcist estimat af mængden af rumaffald, der bringer kommunikationssatellitter og liv på rumstationsbesætninger i fare. Resultaterne fremmer det verdensomspændende netværk af vidvinklede himmelobservatorier og forsegler et internationalt forhold. Netværket hjælper også med at bestemme, hvornår meteorer falder til Jorden, og hvor de lander. På den måde kan stenaffaldet analyseres, og vi kan lære mere om solsystemets oprindelse. + Udforsk yderligere
Sidste artikelHvordan supervind hjælper med at drive galaktisk udvikling
Næste artikelNyt opsendelsesforsøg lørdag for NASAs måneraket