Стартовал астрономический проект Hubble Asteroid Hunter, в рамках которого любой желающий может помочь астрономам в поиске треков астероидов на снимках космического телескопа «Хаббл», сообщает N+1. Результаты работы добровольцев будут использоваться Центром малых планет для расчета орбит и обновления эфемерид астероидов, а также для обучения нейронных сетей, работающих с архивом фотографий обсерватории, сообщается на сайте телескопа.
В Солнечной системе астероиды, в основном, сконцентрированы в Главном поясе, расположенном между орбитами Марса и Юпитера. На сегодняшний день их известно более 700 тысяч и это число постоянно растет. Пару лет назад, наблюдая за очень далекими галактиками, свет от которых шел до Земли миллиарды лет, космический телескоп «Хаббл» случайно обнаружил несколько астероидов, которые находятся в нескольких десятках или сотнях миллионов километров от нашей планеты и создавали изогнутые или S-образные треки на фотографиях, причем число треков доходило до двадцати штук на одном изображении.
Это побудило команду астрономов, планетологов и разработчиков программного обеспечения из Европейского космического агентства и других научно-исследовательских институтов запустить новый научный проект Hubble Asteroid Hunter на базе крупнейшего в мире портала гражданской науки Zooniverse. База данных проекта содержит архивные снимки «Хаббла», которые были отобраны таким образом, чтобы эпоху наблюдения и размер изучавшегося участка неба для этих изображений можно было сопоставить с вычисленными орбитами астероидов и предсказать их появление на снимках.
Принять участие в проекте может любой желающий, имеющий доступ в Интернет. Для начала работы необходимо пройти регистрацию на сайте и ознакомиться с правилами работы. Цель работы состоит в том, чтобы искать на снимках треки астероидов и отмечать их. Результаты работы будут использоваться Центром малых планет Международного астрономического союза для расчета орбит и обновления эфемерид астероидов, что поможет точно предсказывать их движение. Кроме того, размеченные данные помогут обучить нейронные сети распознавать подобные объекты на снимках автоматически.
Александр Войтюк.
