Новый метод YOSO для поиска малых небесных тел

Международная группа ученых разработала инновационный метод YOSO для поиска малых небесных тел. Он использует машинное обучение и способен эффективно анализировать огромные архивы снимков неба. YOSO решает проблему 'вычислительного проклятия' и позволяет быстро обнаруживать тусклые объекты.

Международная междисциплинарная группа ученых создала новый метод поиска малых небесных тел под названием YOSO ('You Only Stack Once'). Этот инновационный подход использует машинное обучение и предназначен для решения проблемы 'вычислительного проклятия' при обработке огромных архивов снимков неба.

Традиционные методы поиска требуют перебора тысяч вариантов скоростей и направлений движения объекта, чтобы 'собрать' его тусклый свет в одну точку. В отличие от них, YOSO использует принципиально иной подход: он анализирует изменения яркости каждого пикселя во времени и объединяет серию снимков в один итоговый кадр всего один раз.

Метод YOSO основан на Гауссовском фильтре движения (Gaussian Motion Filter, GMoF). Когда тусклый объект, например ледяной транснептуновый объект (ТНО), проходит через поле зрения телескопа, график изменения яркости затронутых им пикселей напоминает колоколообразную кривую. Математически ширина этой кривой зависит от качества изображения, масштаба пикселя камеры и ожидаемой угловой скорости объекта. В результате работы фильтра движение объекта превращается в отчетливый визуальный след (трек) на итоговом изображении.

Для распознавания этих специфических следов ученые применили популярную архитектуру глубокого обучения YOLOv8 в ее 'тяжелой' модификации (YOLOv8-L). Нейросеть обучили на массиве из 16 000 изображений, содержащих как дефекты съемки (космические лучи, блики, следы спутников), так и синтетические объекты с яркостью от 19 до 27 звездной величины. Система продемонстрировала большую эффективность, затрачивая на анализ одного кадра менее 11 миллисекунд. При этом нейросеть успешно игнорирует помехи, которые раньше требовали долгой проверки человеком.

Эффективность алгоритма проверили на реальных данных проекта DEEP (DECam Ecliptic Exploration Project), полученных с помощью 4-метрового телескопа имени Виктора Бланко в Чили. YOSO обнаружил 11 новых транснептуновых объектов и 216 других движущихся тел во внутренней части Солнечной системы. Примечательно, что ИИ смог идентифицировать даже достаточно яркий объект (звездная величина 21,49), который ранее был пропущен классическими алгоритмами из-за сложного фона.

Разработчики алгоритма позиционируют YOSO как инструмент для 'эры больших данных'. Скоро начнет работу Обсерватория имени Веры Рубин (LSST), которая будет генерировать беспрецедентные объемы информации. Традиционные методы просто не справятся с таким потоком, в то время как масштабируемый YOSO идеально подходит для быстрой фильтрации данных в реальном времени.

Помимо наземных наблюдений, технология важна для будущих космических миссий, таких как NEO Surveyor, предназначенных для поиска опасных астероидов. Использование YOSO на борту спутника позволит передавать на Землю не сотни отдельных снимков, а один уже обработанный кадр. Это радикально снизит нагрузку на каналы космической связи и ускорит получение информации о потенциальных угрозах.