astéroïdes dans les archives | étoiles

Titre: Chasseur d’astéroïdes Hubble. 1. Déterminer les trajectoires d’astéroïdes dans les images du télescope spatial Hubble

Auteurs: Sandor Cork + 13 autres

Fondation Premier Auteur : Centre européen de recherche et de technologie spatiales (ESA), Keplerlaan 1, 2201 AZ Noordwijk, Pays-Bas

condition: Publié dans A&A [open access]

Forte motivation pour les petits objectifs

Bien qu’il n’y ait rien à voir, les astronomes sont tout à fait convaincus que les premiers jours de la vie du système solaire ont été chaotiques et violents. Des dizaines d’astéroïdes nouvellement formés, planètes, et quelques planètes géantes bien intentionnées tournaient autour du soleil dans un disque hermétiquement clos : les collisions étaient inévitables, bien que leurs répercussions variaient. Parfois, deux corps maladroits fusionnent, et parfois l’un ou les deux se désintègrent en plus petits morceaux.

Pour avoir une idée à quel point cette époque de notre histoire était anarchique, les astronomes aiment faire des analyses médico-légales des astéroïdes qui ont survécu jusqu’à un présent relativement calme ; S’ils pouvaient mesurer le rapport actuel entre les petits astéroïdes et les plus gros, ils pourraient limiter la prévalence des collisions dévastatrices dans le passé. Cela, à son tour, nous indiquerait où se trouvaient les choses et à quelle vitesse elles se déplaçaient dans les premiers jours autour du soleil.

Malheureusement, l’astéroïde le plus précieux pour une telle étude – les plus petits vestiges – est aussi le plus difficile à trouver. Nous ne pouvons voir les astéroïdes que lorsqu’ils réfléchissent une partie de la lumière du soleil vers la Terre, et les petites roches ne réfléchissent pas beaucoup de lumière, ce qui les rend très faibles.

Entrée Le télescope spatial Hubble. Hubble est un télescope spatial très performant et très occupé capable de voir les restes d’astéroïdes sombres. Cependant, bien que Hubble soit capable d’imager les objets du système solaire, il passe le plus clair de son temps à regarder beaucoup plus loin, à regarder avec envie des galaxies lointaines, quasarset d’autres objectifs dans distances cosmiques.

Mais, parfois, les chasseurs d’astéroïdes potentiels ont de la chance, et même lorsque Hubble essaie de mesurer autre chose, une roche spatiale locale erre accidentellement dans le champ de vision. Alors que l’astéroïde et la Terre se déplacent autour du soleil, l’astéroïde explosé apparaît sous la forme d’une ligne courbe dans l’image, une fracture capillaire dans le fond sombre de l’univers.

Les auteurs d’aujourd’hui ont cherché à extraire autant d’informations que possible de ces heureuses coïncidences et ont ambitieusement cherché à fouiller dans l’intégralité des archives d’images pertinentes de Hubble à la recherche de stries latitudinales de petits astéroïdes secrets.

Science citoyenne + Apprentissage en profondeur

Chaque image que Hubble prend finalement devient publique et peut être téléchargée gratuitement pour quiconque souhaite voir un coin de l’univers. L’archive de ces images est énorme, contenant plus de 37 000 images prises avec des outils et des filtres qui, selon les auteurs, sont les plus susceptibles de chasser leurs cibles. La taille de la base de données nécessite une automatisation, et pour répondre à ce besoin les auteurs ont eu recours à l’apprentissage en profondeur, en particulier le modèle Cloud AutoML Vision de Google. Lors de l’alimentation d’une image, cet algorithme rapporte ce qu’il y a dans l’image (dans ce cas, un astéroïde, tandis que dans d’autres, chien par exemple). Bien qu’ils ne détaillent pas l’architecture dans cet article, ils partagent que le modèle se compose de plusieurs composants imbriqués d’apprentissage automatique : ils utilisent réseau de neurones convolutifs Pour trouver réellement des arcs d’astéroïdes dans les images, mais ce même réseau est modélisé par un algorithme d’apprentissage par renforcement, un modèle d’intelligence artificielle qui entraîne un ordinateur à trouver la solution optimale par essais et erreurs et retour de ses actions.

Ce modèle d’apprentissage automatique nécessite une formation, et la formation nécessite un index d’exemples connus du modèle à étudier. Comme un tel catalogue n’existait pas encore, les auteurs ont dû créer le leur, et pour ce faire ils ont sollicité l’aide de scientifiques citoyens. Ils ont monté un projet sur Le monde animal Appel Chasseur d’astéroïdes HubbleAu cours d’environ un an, plus de 11 000 volontaires se sont connectés pour passer au peigne fin les données et rechercher des arcs d’astéroïdes à l’œil nu. Chaque volontaire a vu plusieurs images de Hubble et a demandé : « Y a-t-il un astéroïde dans cette image ? » Pour chaque photo, on vous a ensuite demandé de jeter les photos sans lignes et de marquer les photos avec des courbes révélatrices. Ces volontaires ont fourni collectivement plus de 2 millions de réponses oui/non à la requête, et au total, cet effort massif a révélé des traînées d’astéroïdes dans environ 1 % de toutes les images.

performances du modèle

Une fois que toutes les images soigneusement classées par le public ont été traitées et entrées dans leur modèle, les auteurs ont libéré leur code sur l’ensemble de données complet. Comment as-tu fais? Au final, l’algorithme atteint 73,6%. jugements (c’est-à-dire que 73,6 % de ses identités étaient correctes) et 58,2 % Rappeler (Cela signifie qu’il a réussi à récupérer 58,2% de tous les astéroïdes trouvés par des volontaires.) Bien que cela puisse sembler inférieur à la moyenne, c’était plus que suffisant pour faire de nouvelles découvertes scientifiques.

En combinant les pistes trouvées par les volontaires et celles trouvées par le modèle, les auteurs ont assemblé une pile de 2 487 arcs d’astéroïdes possibles. Ensuite, ils ont examiné manuellement chacun de ces candidats, et après avoir supprimé les doublons et calculé les faux positifs qu’ils ont causés rayons cosmiquesEt le Lentilles de gravitéou satellites associés à la Terre, ils ont réduit la liste à 1 701 détections d’astéroïdes fiables.

Après avoir vérifié si l’une de ces lignes peut être attribuée à l’un des plus de 1,2 million Astéroïdes connus, les auteurs ont conclu que 670 des lignes sont compatibles avec des sources découvertes précédemment et que les 1 031 restantes ont été causées par des astéroïdes jamais vus auparavant. Ils ont également découvert que ces astéroïdes nouvellement découverts étaient systématiquement plus faibles que les objets connus, ce à quoi ils s’attendaient : plus un astéroïde est brillant, plus il a de chances qu’il soit réellement détecté par une étude au sol. Cette faiblesse générale a également laissé entendre que bon nombre de leurs nouvelles découvertes sont exactement le genre de petits astéroïdes que nous avons eu du mal à compter dans d’autres enquêtes.

Les auteurs ont également commencé à explorer d’autres propriétés de leur échantillon de nouveaux astéroïdes, notamment la distribution spatiale et la diversité de luminosité. Bien qu’ils ne prennent pas en compte les biais de signalisation préférentiels de Hubble et laissent une grande partie de cette analyse supplémentaire pour des travaux futurs, leur présentation de ce nouvel échantillon et la démonstration de la puissance de l’intégration de la science citoyenne et de l’apprentissage automatique est une avancée passionnante dans Asteroid Comptabilité d’entreprise. Plus nous sommes confiants dans notre capacité à compter les petits astéroïdes, plus nous pouvons nous rapprocher de la compréhension des débuts de notre système solaire : Maintenant, si plus de dérive est à notre avis, nous y serons préparés.

Astrobite Edité par Ryan Golant

Crédit image en vedette : ESA/Hubble & NASA, M. Thévenot (AstroMelina) ; CC PAR 4.0

À propos de Ben Cassese

J’ai un doctorat en astronomie dans ma deuxième année. Un étudiant de l’Université de Columbia travaillant sur une simulation de météorologie externe. Avant de rejoindre Cool Worlds Lab, elle a étudié les sciences planétaires et l’histoire à Caltech, et avant cela, elle a grandi dans le Rhode Island. Pendant mon temps libre, j’aime faire de la randonnée, faire beaucoup d’efforts pour préparer du café et rêver d’adopter un chien dans mon appartement à New York.