Problèmes ouverts en astronomie qu'un amateur (avec un doctorat dans un autre domaine) aurait une chance de résoudre?

Quels sont les problèmes ouverts en astronomie qu'un amateur aurait une chance de résoudre? Supposons que l'amateur ait un doctorat dans un autre domaine, possède un télescope de base, un ensemble de filtres, des réseaux de diffraction, des caméras et en sache beaucoup sur l'apprentissage automatique, le traitement du signal, l'estimation spectrale, les statistiques et la conception d'expériences, et les bases Physique et chimie.

Y a-t-il de meilleures balises disponibles (telles que "recherche")?

— éclipse
source

Comment la découverte de nouveaux astéroïdes / comètes / planètes mineures / etc affecte-t-elle l'équilibre gravitationnel du système solaire, en particulier les projections de la NASA des emplacements planétaires et des taux de rotation. Dans 100 ans, y aura-t-il seulement des changements mineurs aux noyaux SPICE, ou des changements importants?

— barrycarter du

Question interessante. Pourquoi ne pas élaborer un peu plus sur votre commentaire @barrycarter et en faire une réponse? Puisque la question concerne les amateurs, il serait bon de savoir quel type de données serait nécessaire et comment les obtenir. Je suis également curieux d'entendre parler d'autres problèmes ouverts. L'astronomie n'en a-t-elle pas beaucoup? :)

— mmh

Je suggérerais fortement d' opter

— chris

Une alternative serait de creuser dans des enquêtes telles que SDSS, DES etc. en utilisant des techniques d'apprentissage automatique pour identifier les valeurs aberrantes. De nombreuses enquêtes sont désormais accessibles au public et il n'y a que peu de choses que les astronomes professionnels peuvent faire.

— chris

Je garde normalement mes meilleures idées pour mes propres propositions de subventions :)

— Rob Jeffries

Réponses:

Si vous avez une bonne connaissance du développement de logiciels et de la reconnaissance des formes, vous pouvez résoudre plusieurs problèmes. Une grande partie de l'astronomie d'observation nécessite des données de séries chronologiques longues et la suppression du bruit de ces données. Je viens de quitter le terrain où certains collègues tentent de développer des logiciels pour utiliser des techniques de soustraction d'images pour isoler des étoiles individuelles au centre des amas. Le centre de l'amas est généralement plus dense et plus difficile à obtenir des mesures claires de chaque étoile individuelle à analyser.

La reconnaissance des formes serait particulièrement utile dans l'analyse de pipeline, où un pipeline générique est utilisé sur de grandes quantités de données pour 1: trouver les types d'étoiles qui intéressent; et 2: extraire des informations intéressantes sur ces étoiles. Des techniques d'apprentissage automatique pourraient également être utilisées pour aider à développer les pipelines généraux pour des intérêts plus spécifiques.

Je suis heureux de vous mettre en contact avec quelques personnes qui pourraient vous fournir des problèmes spécifiques que vous pourriez être en mesure d'aider.

— theotheraussie
source

L'offre est-elle également ouverte à d'autres que le PO? :) Je pourrais aussi être intéressé ..

— mmh

Donc, si vous aviez par exemple cette image upload.wikimedia.org/wikipedia/commons/thumb/0/02/… , la tâche serait de trouver les coordonnées de chaque étoile au centre? :) Un exemple serait bien.

— mmh

Plus dans le sens de milliers de ces images prises sous forme de séries temporelles puis en utilisant les caractéristiques communes des images au 1: alignez-les et supprimez toutes les fonctionnalités introduites par les détecteurs (dérive de chaleur, erreur d'alignement, etc.); et 2: isoler les pixels associés à chaque étoile et déterminer l'intensité relative pour chacune. Cela devient difficile vers le centre où l'intensité des pixels est influencée par les pixels environnants. Voici quelques références qui pourraient aider arxiv.org/abs/1009.4206 , arxiv.org/abs/1309.6044

— theotheraussie

Le défi du zoo de la galaxie Kaggle est un exemple de problème de recherche d'idées venant de l'extérieur. Sander Dieleman, avec une formation en apprentissage profond et en apprentissage des fonctionnalités, a courageusement fait un pas en avant, créant un classificateur d'images utilisant des réseaux de neurones convolutifs; sa solution complète est décrite couramment ici .

Ces types de techniques pourraient être appliqués à tout problème de classification d'images en astronomie, ou des techniques similaires pourraient être utilisées pour classer d'autres objets astrophysiques à partir de données de levés ou de signaux.

Je m'abstiendrais de faire votre propre capture d'image, car il existe de nombreux ensembles de données ouvertement disponibles avec une profondeur, une résolution et une couverture plus grandes que celles que vous pourriez espérer réaliser vous-même dans un délai raisonnable.

— christopherlovell
source

J'ai aussi aimé cette réponse. :)

— mmh