Hubble Asteroid Hunter Project는 3 년이되지 않았으며 이미 새로운 발견의 보물 창고를 전달했습니다. 머신 러닝 알고리즘의 도움을 받아 시민 과학자 그룹은 미확인 소행성에 속하는 허블 데이터에서 1,031 개의 트레일을 발견했습니다.
.한 번의 무너지면서 알려진 우주 암석의 수는 약 1 % 증가했습니다. Citizen Science Collaboration Zooniverse의 일부인이 프로젝트의 환상적인 결과. 이 프로젝트의 사용자는 트레일을 식별하기 위해 37,000 개의 Hubble 이미지를 거쳤습니다.
트레일은 허블이 실제로 관찰하는 모든 것을 포화시키는 하나 또는 다중 소행성으로 볼 수 있습니다. 베테랑 우주 망원경의 전형적인 관찰은 약 30 분이 걸리며 근처 행성이나 먼 별을 관찰하는 동안 소행성은 시야를 넘어 약간의 햇빛을 잡고 약간의 곡선 트레일을 만들 수 있습니다.
올해 초 천문학 및 천체 물리학에 발표 된 논문에서, 연구팀은 시민 과학자들이 허블 이미지를 레이블, 트레일을 찾는 등을 가지고 있다고 설명했다. 그리고 그 이미지는 기계 학습 알고리즘을 훈련시키기 위해 우주 망원경의 아카이브를 통과하고 소행성을 찾는 데 사용되었다고 설명했다. 그들은 1,701 명을 발견했고 그 중 670 명 중 국제 천문 조합의 마이너 플래닛 센터 데이터베이스에 이미 존재하는 물체에 속했다.
.연구팀은“Citizen Science and Machine Learning은 기존 천문학 과학 데이터 아카이브에서 태양계 객체를 체계적으로 검색하는 데 매우 유용한 기술입니다. “이 작품은 수십 년에 걸친 천문 보관소에서 새로운 소행성을 찾는 방법을 설명합니다. 그것은 다른 데이터 세트에 효과적으로 적용될 수 있으며, 태양계에서 잘 특성화 된 작은 몸체의 전체 샘플을 증가시키고 그들의 ephemerides를 정제 할 수 있습니다.”
우수한 19 포인트 스크래블 단어 인 Ephemerides는 천문 대상 시점의 위치를 나열하는 테이블입니다. 이러한 객체가 모두 구식 데이터에서 관찰되었다는 점을 감안할 때, 어디에 있는지, 어디서나 궤도가있는 위치를 추정하기가 어렵습니다. 그러나 그에 대한 가능한 해결책이 있습니다.
허블은 우주에 고정되어 있지 않지만 지구 주변에서 회전합니다. 이 정보는 소행성 트레일의 모양과 함께 중요한 천문학적 숫자 인 시차를 제공하며,이 객체의 거리와 궤도의 거리를 추정하는 데 사용할 수 있습니다. 더 긴 관찰을 위해 팀은 소행성의 회전 기간과 모양을 추정 할 수도 있습니다.
이 작업은 다시 한 번 허블 우주 망원경의 힘을 보여줍니다. 팀은 새로 발견 된 물체가 카탈로그에서 알려진 소행성보다 평균 4 배 어이머라고 추정합니다.
