Відкриті проблеми в астрономії, які любитель (з доктором наук в якійсь іншій галузі) мав би шанс вирішити?

Які існують відкриті проблеми в астрономії, які любитель мав би шанс вирішити? Припустимо, аматор має науковий ступінь доктора в якійсь іншій галузі, володіє базовим телескопом, набором фільтрів, дифракційними решітками, камерами, і трапляється багато чого знати про машинне навчання, обробку сигналів, спектральну оцінку, статистику та дизайн експериментів та базове фізика та хімія.

Чи є кращі теги (наприклад, "дослідження")?

— затемнення
джерело

Як відкриття нових астероїдів / комет / другорядних планет / тощо впливає на гравітаційний баланс Сонячної системи, зокрема на прогнози НАСА щодо планетарних місць та швидкості обертання. Через 100 років відбудуться лише незначні зміни ядер SPICE чи розширені?

— barrycarter

Цікаве запитання. Чому б не розробити трохи більше свого коментаря @barrycarter і зробити його відповіддю? Оскільки питання стосується любителів, було б непогано знати, які саме дані будуть потрібні та як їх можна отримати. Мені також цікаво почути і про інші відкриті проблеми .. Чи не в астрономії їх багато? :)

— ммх

Я настійно пропоную перейти на об'єкти з низькою яскравістю поверхні: наприклад, слідкуйте

— chris

Альтернативою було б копатися в опитуваннях, таких як SDSS, DES тощо., Використовуючи методи машинного навчання, щоб визначити людей, що не існують. Зараз багато обстежень є загальнодоступними, і лише стільки професійних астрономів може зробити.

— chris

Я, як правило, зберігаю свої найкращі ідеї для власних грантових пропозицій :)

— Роб Джефріс

Відповіді:

Якщо ви добре знаєте розробку програмного забезпечення та розпізнавання шаблонів, ви можете допомогти у вирішенні декількох проблем. Значна частина спостережної астрономії вимагає даних тривалих часових рядів та усунення шуму від цих даних. Я щойно вийшов із поля, де деякі колеги намагаються розробити якесь програмне забезпечення, щоб використовувати методи віднімання зображень для виділення окремих зірок у центрі кластерів. Центр скупчення зазвичай більш щільний і важче отримати чіткі вимірювання кожної окремої зірки для аналізу.

Розпізнавання шаблонів було б особливо корисно в конвеєрному аналізі, де загальний конвеєр використовується на великій кількості даних до 1: знайти типи зірок, які цікавлять вас; і 2: витяг цікавої інформації про ці зірки. Методи машинного навчання також можуть бути використані для сприяння розробці загальних трубопроводів для більш конкретних інтересів.

Я радий зв’язатись із вами кількома людьми, які могли б забезпечити вам певні проблеми, з якими ви могли б допомогти.

— теотерасія
джерело

Чи пропозиція також відкрита для інших, ніж ОП? :) Мене може також зацікавити ..

— mmh

Отже, якщо ви мали б, наприклад, це зображення upload.wikimedia.org/wikipedia/commons/thumb/0/02/… , завданням було б знайти координати кожної зірки в центрі? :) Приклад був би непоганий.

— ммх

Більше рядків тисяч зображень, прийнятих як часовий ряд, а потім з використанням загальних особливостей у зображеннях до 1: вирівняйте їх та видаліть будь-які функції, внесені детекторами (тепловий дрейф, помилка вирівнювання тощо); та 2: виділення пікселів, пов'язаних із кожною зіркою, та визначення відносної інтенсивності для кожної. Це стає важким до центру, де на інтенсивність пікселів впливають оточуючі пікселі. Ось декілька посилань, які можуть допомогти arxiv.org/abs/1009.4206 , arxiv.org/abs/1309.6044

— theotheraussie

Kaggle галактики зоопарк завдання є прикладом завдання жебрацтва ідеї з - за межі області. Сандер Ділеман, маючи досвід глибокого навчання та особливості навчання, сміливо крокує вперед, створюючи класифікатор зображення, використовуючи звивисті нейронні мережі; його повне рішення описано вільно тут .

Ці види методів можуть бути застосовані до будь-якої проблеми класифікації зображень в Астрономії, або подібні методи можуть бути використані для класифікації інших астрофізичних об'єктів з даних огляду або сигналів.

Я б утримався від власного захоплення зображень, оскільки існує безліч відкритих доступних наборів даних із більшою глибиною, роздільною здатністю та охопленням, ніж ви могли сподіватися, що ви зможете виконати себе у розумні часові рамки.

— Христофорловелл
джерело

Мені сподобалась і ця відповідь. :)

— ммч