Citizen Scientists helfen bei der Entdeckung von über 1.000 neuen Asteroiden

Auf Internationaler Asteroidentag 2019, hat eine Gruppe von Forschungseinrichtungen ein Programm ins Leben gerufen, das einen tiefgreifenden Einfluss auf unser Wissen über winzige Körper haben könnte. Verwendung von Citizen Science zum Trainieren eines maschinellen Lernalgorithmus, der Hubble Asteroid Hunter das Projekt hat mehr als 1.000 neue Asteroiden identifiziert; Die Ergebnisse könnten Wissenschaftlern helfen, den Ring von Himmelskörpern besser zu verstehen, der hauptsächlich zwischen Mars und Jupiter schwebt.

Asteroid Hunter ist eine Gemeinschaftsarbeit verschiedener Gruppen, darunter das Europäische Zentrum für Wissenschaft und Technologie, das Wissenschaftsdatenzentrum des Europäischen Zentrums für Weltraumastronomie, die Bürgerwissenschaftsplattform Zooniverse und Google.

Im Jahr 2019 gaben die Forscher einen Aufruf an Bürgerwissenschaftler heraus, bei den Crowdsourcing-Bemühungen mitzuarbeiten. Mithilfe der Zooniverse-Plattform identifizierten 11.400 Mitglieder der Öffentlichkeit auf der ganzen Welt Asteroidenspuren in 37.000 zusammengesetzten Bildern, die zwischen 2002 und 2021 vom Hubble-Weltraumteleskop aufgenommen wurden. Citizen Scientists brüteten ein Jahr lang über den Bildern und identifizierten mehr als 1.000 Kondensstreifen.

„Hubble ist eine unglaubliche Mission und hat im Laufe der Jahre eine sehr reichhaltige Datenbank mit astronomischen Beobachtungen hervorgebracht, die wir nutzen sollten“, sagte Sandor Kruk, Postdoktorand am Max-Planck-Institut für extraterrestrische Physik, gegenüber Ars. „Wir sollten diesem langen Datenzeitraum mehr Aufmerksamkeit schenken [that is] beginnen verfügbar zu werden. Kruk ist an Asteroid Hunter beteiligt.

Suche nach dem Himmel

Die Ergebnisse der Citizen-Science-Arbeit wurden verwendet, um einen maschinellen Lernalgorithmus namens AutoM zu trainieren, der von Google entwickelt wurde. Wenn genügend Daten vorhanden sind, kann der Algorithmus nun verwendet werden, um Bilder schnell zu klassifizieren.

Laut Kruk gibt es eine große Vielfalt in den von Hubble eingefangenen Asteroidenspuren. Wenn Sie ein Langzeitbelichtungsbild eines Asteroiden vom Boden aus aufnehmen, ist die resultierende Spur im Bild normalerweise eine Linie. Aber die kombinierte Bewegung von Asteroiden mit Hubbles Bewegung erzeugt gekrümmte Spuren. Diese sind mit maschinellem Lernen schwieriger zu klassifizieren, da sie in einer Vielzahl von Formen auftreten.

„Deshalb brauchten Sie eine Probe davon, die von Menschen entdeckt wurde“, sagte Kruk. „Was uns ein Jahr gekostet hat, um uns bei den Citizen Scientists einzuordnen, hat bei den nur etwa 10 Stunden gedauert [algorithm]. Aber Sie brauchen das Trainingsset.

Wenn Welten kollidieren

Die kombinierte Anstrengung von Mensch und Maschine führte zu einem Datensatz mit 1.701 Spuren in 1.316 Hubble-Bildern. Die Teilnehmer identifizierten auch andere Objekte in den Bildern, wie Galaxien und Nebel. Sie verglichen diese Trails mit denen des Teams Zentrum kleiner Planeten Datenbank, die größte Datenbank von Asteroiden, und stellte fest, dass 670 von ihnen bereits identifiziert worden waren.

Die von Asteroid Hunter gefundenen Originale erschienen viel schwächer als die zuvor identifizierten, was bedeutet, dass sie kleiner waren, sagte Kruk. Er bemerkte, dass diese Arbeit verwendet werden könnte, um eine bessere Vorstellung von der Größenverteilung von Asteroiden im Asteroidengürtel zu bekommen, und dass die Daten verwendet werden könnten, um ihre Entwicklung besser zu verstehen und wie Asteroiden durch Fragmentierung und Kollision innerhalb des Gürtels entstehen Gürtel.