科学家使用人工智能在旧望远镜图像中发现了 27,500 颗小行星。

大约46亿年前，我们的太阳系是由一团巨大的气体和尘埃云形成的。当这片云在重力作用下坍塌时，可能是由附近的超新星爆炸引发的，它变平成一个漩涡状的碎片盘围绕太阳。渐渐地，这些粒子开始了粘在一起形成更大的身体一些变得足够大，可以形成行星，而其他岩石或金属碎片仍然是较小的、形状不规则的物体，我们称之为小行星。

今天美国宇航局据估计，这些太空岩石的数量为1,351,400，其中大多数在太阳轨道上运行。主小行星带在火星和木星之间。但现在，一个与人工智能合作的研究人员准备通过发现被忽视的小行星来迅速增加这一总数。

上周，科学家与小行星研究所和华盛顿大学宣布仅在2024年，他们就确定了27,500颗新的小行星候选者，其中包括约100颗靠近地球轨道的近地小行星。今年，全球所有其他天文台都发现了大约2,300颗小行星。

研究小组在一种名为Tracklet-less Heliocentric Orbit Recovery（THOR）的机器学习算法的帮助下取得了这些发现。

“我们没有望远镜。我们不操作望远镜。卢旭东小行星研究所执行主任、B612基金会联合创始人在讨论关于上个月的项目。“我们从数据科学的角度来做这件事。

天文学家通常通过每晚每隔几个小时拍摄的望远镜图像反复观察天空的某些部分来发现新的小行星。小行星，表现为移动的光点，然后被标记、验证和监测，Space.com的Sharmila Kuthunur解释道。

然而，THOR分析了天空的档案图像，在国家光学红外天文研究实验室（NOIRLab）拍摄的40多万张快照中挑选出超过17亿个光点。

THOR算法将一个图像中的特定光点连接到另一个图像中的另一个光点，并确定这两个点是否代表同一个天体，通常是小行星。雷神可以链接观察在15到30天的窗口内，只要有5到6张图像可用，就可以以任意间隔制作，并且可以识别不同夜晚从不同望远镜捕获的数据中捕获的物体。

“这实际上是一个巨大的发现，只是通过搜索其他望远镜已经存在的图像。马西莫·马斯卡罗谷歌云首席技术官办公室技术总监在上个月的活动中表示。

“我们已经采用了现有的数据集......我们意识到的是，在这些数据集中，有许多数以万计的小行星以前没有人注意到，“卢补充说，他也是前美国宇航局宇航员。“如果你有足够的计算能力，你可以解锁它们。”

为了访问该计算，小行星研究所与谷歌云的首席技术官办公室合作，该办公室帮助扩展计算、管理数据集以及存储图像和数据点。陈述从 B612。THOR 算法运行在 Google Cloud 上基于云的开源天体动力学平台，称为小行星发现分析和映射 （ADAM）。

THOR在不同日期的图像中识别小行星的方法以前是不可能的。但是云计算允许在大约五周内进行计算，《纽约时报》“Kenneth Chang报道。

NOIRLab 数据集，称为NSC DR2型，是小行星研究所计划扫描的众多项目中的第一个。根据该小组的声明，研究人员准备“扩大这项工作的规模，并在新数据集可用时更有效地扫描它们”。“小行星研究所的目标是使这一过程自动化，以造福天文学界和航天工业。

没有一颗被发现的小行星与地球相撞。但这项新技术可以帮助识别可能具有潜在危险的小行星，帮助天文学家密切关注太空岩石以进行行星防御。

“我们必须解决的真正问题是寻找和追踪小行星，因为如果你不知道小行星的存在，你不知道它在哪里，你就无法阻止小行星撞击地球，”卢在上个月的讨论中说。

“最有问题的对象是你不知道的对象，”艾米·梅因泽亚利桑那大学的一位行星科学家告诉生活科学11月的布兰登·斯佩克托（Brandon Specktor）。“如果我们能知道外面有什么，那么我们就可以更好地估计真正的风险。