Seguro Día Internacional del Asteroide 2019, un grupo de instituciones de investigación ha lanzado un programa que podría tener un profundo impacto en nuestro conocimiento de los cuerpos diminutos. Utilizando la ciencia ciudadana para entrenar un algoritmo de aprendizaje automático, el Cazador de asteroides Hubble el proyecto ha identificado más de 1.000 nuevos asteroides; los hallazgos podrían ayudar a los científicos a comprender mejor el anillo de cuerpos celestes que en su mayoría flotan entre Marte y Júpiter.
Asteroid Hunter es un esfuerzo de colaboración entre varios grupos, incluido el Centro Europeo de Ciencia y Tecnología, el Centro de Datos Científicos del Centro Europeo de Astronomía Espacial, la plataforma de ciencia ciudadana Zooniverse y Google.
En 2019, los investigadores hicieron un llamado a los científicos ciudadanos para que colaboraran en el esfuerzo de crowdsourcing. Utilizando la plataforma Zooniverse, 11 400 miembros del público de todo el mundo identificaron rastros de asteroides en 37 000 imágenes compuestas tomadas por el Telescopio Espacial Hubble entre 2002 y 2021. Los científicos ciudadanos estudiaron detenidamente las imágenes durante un año e identificaron más de 1000 estelas.
“Hubble es una misión increíble, y ha producido una base de datos muy rica de observaciones astronómicas a lo largo de los años que deberíamos aprovechar”, dijo a Ars Sandor Kruk, becario postdoctoral en el Instituto Max Planck de Física Extraterrestre. «Deberíamos prestar más atención a este largo período de datos [that is] empiezan a estar disponibles. Kruk está involucrado en Asteroid Hunter.
buscando el cielo
Los resultados del trabajo de ciencia ciudadana se usaron para entrenar un algoritmo de aprendizaje automático llamado AutoM, que fue creado por Google. Cuando tiene suficientes datos, el algoritmo ahora se puede usar para clasificar imágenes rápidamente.
Según Kruk, existe una gran diversidad en las estelas de asteroides capturadas por el Hubble. Normalmente, cuando se toma una imagen de larga exposición de un asteroide desde el suelo, el rastro resultante en la imagen es una línea. Pero el movimiento combinado de los asteroides con el movimiento del Hubble produce senderos curvos. Estos son más difíciles de clasificar usando el aprendizaje automático porque vienen en una amplia variedad de formas.
«Es por eso que necesitabas una muestra de ellos detectada por humanos», dijo Kruk. «Lo que nos tomó un año clasificar con los científicos ciudadanos, solo tomó alrededor de 10 horas con el [algorithm]. Pero necesitas el conjunto de entrenamiento.
Cuando chocan los mundos
El esfuerzo combinado humano-máquina dio como resultado un conjunto de datos que contenía 1.701 pistas en 1.316 imágenes del Hubble. Los participantes también identificaron otros objetos en las imágenes, como galaxias y nebulosas. Compararon estos senderos con los del equipo. Centro de planetas menores base de datos, la base de datos más grande de asteroides, y encontró que 670 de ellos ya habían sido identificados.
Los originales encontrados por Asteroid Hunter parecían mucho más débiles que los identificados previamente, lo que significa que eran de menor tamaño, dijo Kruk. Señaló que este trabajo podría usarse para tener una mejor idea de la distribución de tamaño de los asteroides en el cinturón de asteroides, y que los datos podrían usarse para comprender mejor su evolución y cómo se producen los asteroides a partir de la fragmentación y la colisión dentro del cinturón. cinturón.
![](data:image/svg+xml;charset=utf-8,<svg height="678" width="1024" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
![](data:image/svg+xml;charset=utf-8,<svg height="576" width="1024" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
![](data:image/svg+xml;charset=utf-8,<svg height="660" width="1024" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
![](data:image/svg+xml;charset=utf-8,<svg height="1024" width="1024" xmlns="http://www.w3.org/2000/svg" version="1.1"/>)
