23 februari 2024

Amateur-astronomen helpen bij het ontdekken van meer dan 1000 nieuwe asteroïden in datasets van Hubble

Mozaïek met 16 datasets van Hubble, bestudeerd tijdens het HAH. Aan elk van deze datasets werd een kleur toegekend op basis van de chronologische volgorde van de opnames. De blauwe tinten vertegenwoordigen de eerste belichting waarin de asteroïde werd vastgelegd, en de rode tinten vertegenwoordigen de laatste. Credits; NASA,S. Kruk, ESA/Estec

Op International Asteroid Day in 2019 lanceerde enkele onderzoeksinstituten het project genaamd ‘Hubble Asteroid Hunter‘. De instituten deden een oproep aan ‘burgerastronomen’ van over de hele wereld om samen aan de slag te gaan om met behulp van datasets van Hubble naar asteroïden te speuren om zo o.a. een beter inzicht te krijgen in de asteroïdengordel die zich  tussen Mars en Jupiter bevindt. Het project is een samenwerkingsverband tussen het European Science and Technology Centre (ESA/Estec), het Zooniverse citizen science platform en Google. Via het Zooniverse-platform identificeerden 11.400 amateur-astronomen asteroïdesporen in 37.000 samengestelde beelden die tussen 2002 en 2021 door de Hubble zijn gemaakt. Ze bestudeerden de beelden een jaar lang en identificeerden meer dan 1000 sporen. De resultaten van hun werk werden gebruikt om een ​​algoritme voor machine learning te trainen, AutoM (van Google). Voorzien van voldoende data, kon dit algoritme vervolgens worden gebruikt om afbeeldingen snel te classificeren. Sandor Kruk, astronoom aan het Max Planck Instituut stelt: “Wat ons een jaar kostte om te classificeren met de burgerwetenschappers, kostte het [algoritme] slechts ongeveer 10 uur. Maar je hebt wel de trainingsset nodig.” Kruk stelt dat deze datasets extra lastig te classificeren waren daar er veel diversiteit in de asteroïdensporen zaten die Hubble heeft opgepikt. Vanaf de grond is het resulterend spoor in de afbeelding een lijn maar de gecombineerde beweging van de asteroïden met de beweging van Hubble produceert gebogen paden. Deze zijn lastiger te classificeren met behulp van machine learning, omdat ze in een grote verscheidenheid aan vormen voorkomen. De gecombineerde inspanning van mens en machine resulteerde in een dataset met 1701 sporen in 1316 Hubble-beelden. Ze vergeleken deze sporen met die in de Minor Planet Center-database, de grootste database van asteroïden, en ontdekten dat 670 van hen eerder waren geïdentificeerd. Deelnemers identificeerden ook andere hemelobjecten zoals sterrenstelsels en nevels. Kruk stelt dat dit werk een beter beeld kan geven van de verdeling van asteroïdengroottes in de asteroïdengordel, alsmede hoe de asteroïden zijn gevormd. De preprint van het wetenschappelijk artikel over de ontdekking is te vinden in ArXiv. Bron: Ars Technica, ESA

Share

Speak Your Mind

*