Das Universum würde viel besser aussehen, wenn die Erdatmosphäre es nicht ständig mit Bildern bombardieren würde.
Selbst die Bilder der weltbesten bodengestützten Teleskope sind verschwommen, weil sich Luftblasen in der Atmosphäre bewegen. Obwohl diese Unschärfe harmlos erscheint, verdeckt sie die Formen von Objekten in astronomischen Bildern, was manchmal zu fehlerbehafteten physikalischen Messungen führt, die für das Verständnis der Natur unseres Universums unerlässlich sind.
Jetzt haben Forscher der Northwestern University und der Tsinghua University in Peking eine neue Strategie zur Lösung dieses Problems entwickelt. Das Team passte einen bekannten Computer-Vision-Algorithmus an, der zum Schärfen von Bildern verwendet wird, und wandte ihn zum ersten Mal auf astronomische Bilder von bodengestützten Teleskopen an. Die Forscher trainierten auch einen Algorithmus für künstliche Intelligenz (KI) mit simulierten Daten, um die Bildgebungsparameter des Vera C. Rubin-Observatoriums abzugleichen, sodass das Instrument bei der Eröffnung des Observatoriums im nächsten Jahr sofort kompatibel sein wird.
Während Astrophysiker bereits Techniken zum Entfernen von Unschärfe verwenden, läuft der modifizierte KI-basierte Algorithmus schneller und erzeugt realistischere Bilder als aktuelle Technologien. Die resultierenden Bilder sind verwacklungsfrei und realistischer. Es ist auch hübsch – obwohl die Technologie nicht dafür da ist.
„Oft ist das Ziel der Fotografie, ein schönes, schönes Bild zu bekommen“, sagte Emma Alexander von der Northwestern University, Seniorautorin der Studie. „Aber Astrofotos werden in der Wissenschaft verwendet. Indem wir die Bilder richtig bereinigen, können wir genauere Daten erhalten. Der Algorithmus entfernt algorithmisch die Atmosphäre, sodass Physiker bessere wissenschaftliche Messungen erhalten können. Und am Ende des Tages tun es die Bilder sehen auch besser aus.“ .
Die Studie wird am 30. März in veröffentlicht Monatliche Mitteilungen der Royal Astronomical Society.
Alexander ist Assistenzprofessorin für Informatik an der McCormick School of Engineering der Northwestern University, wo sie das Life-Inspired BioVision Lab leitet. Sie leitete die neue Studie gemeinsam mit Tianao Li, einer Elektrotechnik-Studentin an der Tsinghua-Universität und Forschungspraktikantin im Alexander-Labor.
Wenn Licht von fernen Sternen, Planeten und Galaxien emittiert wird, wandert es durch die Erdatmosphäre, bevor es auf unsere Augen trifft. Unsere Atmosphäre blockiert nicht nur bestimmte Wellenlängen des Lichts, sondern verzerrt auch das Licht, das die Erde erreicht. Selbst ein klarer Nachthimmel enthält immer noch bewegte Luft, die den Lichtdurchgang beeinträchtigt. Deshalb funkeln Sterne und die besten bodengestützten Teleskope befinden sich in großen Höhen, wo die Atmosphäre am dünnsten ist.
„Es ist ein bisschen so, als würde man vom Grund eines Schwimmbeckens schauen“, sagte Alexander. „Wasser drückt und verzerrt Licht. Die Atmosphäre ist natürlich viel weniger dicht, aber es ist ein ähnliches Konzept.“
Unschärfe wird zu einem Problem, wenn Astrophysiker Bilder analysieren, um kosmische Daten zu extrahieren. Durch die Untersuchung der scheinbaren Formen von Galaxien können Wissenschaftler die Gravitationseffekte großer kosmischer Strukturen erkennen, die das Licht auf seinem Weg zu unserem Planeten beugen. Dies kann dazu führen, dass eine elliptische Galaxie runder oder gestreckter erscheint, als sie wirklich ist. Aber atmosphärische Unschärfe verzerrt das Bild auf eine Weise, die die Form der Galaxie verzerrt. Durch das Entfernen der Unschärfe können Wissenschaftler genaue Daten über die Form sammeln.
„Kleine Unterschiede in der Form können uns etwas über die Schwerkraft im Universum verraten“, sagte Alexander. „Es ist wirklich schwierig, diese Unterschiede zu erkennen. Wenn Sie ein Bild von einem bodengestützten Teleskop betrachten, kann die Form verzerrt sein. Es ist schwer zu sagen, ob dies auf die Wirkung der Schwerkraft oder der Atmosphäre zurückzuführen ist.“
Um dieser Herausforderung zu begegnen, kombinierten Alexander und Lee einen Optimierungsalgorithmus mit einem Deep-Learning-Netzwerk, das mit astronomischen Bildern trainiert wurde. Zu den Trainingsbildern fügte das Team simulierte Daten hinzu, die den erwarteten Bildgebungsparametern des Rubin-Observatoriums entsprachen. Das resultierende Tool erzeugte Bilder mit 38,6 % weniger Fehler im Vergleich zu herkömmlichen Methoden der Unschärfeentfernung und 7,4 % weniger Fehler im Vergleich zu modernen Methoden.
Wenn das Rubin-Observatorium im nächsten Jahr offiziell eröffnet wird, werden seine Teleskope eine jahrzehntelange Tiefenuntersuchung über einen enormen Teil des Nachthimmels beginnen. Da die Forscher das neue Tool mit Daten trainierten, die speziell für die Simulation kommender Robin-Bilder entwickelt wurden, wird es in der Lage sein, mit Spannung erwartete Umfragedaten zu analysieren.
Für Astronomen, die an der Verwendung des Tools interessiert sind, sind der benutzerfreundliche Open-Source-Code und die begleitenden Tutorials ein Hit Online verfügbar.
„Jetzt geben wir dieses Instrument weiter und geben es in die Hände von Experten der Astronomie“, sagte Alexander. „Wir glauben, dass dies eine wertvolle Ressource für Himmelsdurchmusterungen sein könnte, um möglichst realistische Daten zu erhalten.“
