1. 首頁 > 生活百科 > >

想找不明飛行物？那是機器學習的工作

不明飛行物


想找不明飛行物？那是機器學習的工作


駕駛艙視頻顯示了2015年的一次異?？罩邢嘤?。鳴謝:美國海軍視頻
據《今日宇宙》（馬特·威廉姆斯）：2017年，人類首次瞥見了一個星際物體(ISO)，稱為1I/“Oumuamua，它在離開太陽系的途中掠過我們的星球 。關于這個天體可能是什么的猜測比比皆是，因為根據收集到的有限數據 ， 很明顯它不像天文學家見過的任何東西 。一個有爭議的建議是，它可能是一個外星探測器(或廢棄的航天器的一部分)通過我們的系統 。
2021年，隨著ODNI發布UFO報告 ， 公眾對“外星人”可能性的興趣也有所增加 。
這一舉措有效地使不明空中現象(UAP)的研究成為一種科學追求，而不是由政府機構監督的秘密事件 。一只眼睛盯著天空，另一只眼睛盯著軌道物體，科學家們正在提出如何利用計算、人工智能和儀器儀表的最新進展來幫助檢測可能的“訪客” 。這包括斯特拉斯克萊德大學(University of Strathclyde)的一個團隊最近的一項研究，該研究考察了超光譜成像與機器學習如何能夠創建高級數據管道 。
該團隊由機械和航空航天工程教授Massimiliano Vasile領導，由來自斯特拉斯克萊德大學機械和航空航天工程學院以及電子和電氣工程學院和格拉斯哥弗勞恩霍夫應用光子學中心的研究人員組成 。
他們的論文預印本題為“超光譜材料分析的空間物體識別和分類”，可通過預印本服務器arXiv在線獲得，正在接受審查，以便在科學報告中發表 。
這項研究是一系列研究中的最新一項，涉及超光譜成像在空間活動中的應用 。第一篇論文"利用超光譜成像對空間物體進行智能定性"，發表在2023年2月的《航天學報》上，是空間監視和跟蹤超光譜成像儀項目的一部分 。這是英國航天局(UKSA)去年選擇資助的13個碎片減緩概念之一 ， 也是歐空局超光譜空間碎片分類(HyperClass)項目的前身 。
他們的最新論文探索了這種相同的成像技術如何用于不斷發展的UAP識別領域 。這一過程包括收集和處理來自單個像素的電磁頻譜的數據，通常是為了識別圖像中捕獲的不同對象或材料 。正如瓦西里通過電子郵件向《今日宇宙》解釋的那樣，超光譜成像與機器學習相結合 ， 有可能通過消除人為碎片物體(廢棄的火箭級、失效的衛星等)造成的假陽性，縮小對可能的技術特征的搜索范圍 。):
“如果UAP是空間物體，那么我們可以通過分析光譜來了解甚至是單個像素的物質組成 。我們也可以通過分析光譜的時間變化來理解姿態運動 。這兩件事都非常重要，因為我們可以通過光譜特征識別物體，并以最低的光學要求理解它們的運動 ?！?br>
想找不明飛行物？那是機器學習的工作


鳴謝:瓦西里等人(2023年)
瓦西里和他的同事提議創建一個數據處理管道，使用機器學習算法處理UAP圖像 。作為第一步，他們解釋了管道如何需要空間物體的時間序列光譜數據集，包括衛星和軌道上的其他物體 。這包括碎片物體，這意味著納入來自美國航天局軌道碎片方案辦公室(ODPO)、歐空局空間碎片辦公室以及其他國家和國際機構的數據 。這個數據集必須是多樣化的，包括軌道情況、軌道、照明條件以及任何時候所有軌道物體的幾何形狀、物質分布和姿態運動的精確數據 。
簡而言之 ， 科學家們需要一個強大的數據庫 ， 包含太空中所有人造物體的信息 ， 以便進行比較，從而消除假陽性 。由于這些數據中有很多是不可用的 ， Vasile和他的團隊創建了數值物理模擬軟件，以產生機器學習模型的訓練數據 。下一步涉及一種雙管齊下的方法，將光譜與產生光譜的一組材料相關聯 ， 一種基于機器學習，另一種基于更傳統的數學回歸分析，用于確定一組數據的最佳擬合線(又名 。最小二乘法) 。
然后，他們使用基于機器學習的分類系統將檢測到材料組合的概率與特定類別相關聯 。瓦西里說，管道完成后 ， 下一步是進行一系列測試，這些測試提供了令人鼓舞的數據:
“我們進行了三項測試:一項是在實驗室里用已知材料制作的衛星模型 。這些測試非常積極 。然后我們創建了一個高保真模擬器來模擬在軌道上對物體的真實觀察 。測試呈陽性，我們學到了很多 。最后，我們用望遠鏡觀察了一些衛星和空間站 。在這種情況下 ， 有些測試是好的，有些是不好的 ， 因為我們的材料數據庫目前相當小 ?！?br>在他們的下一篇論文中，Vasile和他的同事將展示他們管道中的態度重建部分 ， 他們希望在即將于1月8日至12日在佛羅里達州奧蘭多舉行的AIAA科技論壇和博覽會(2024 SciTech)上展示 。