Blog

Jul 03, 2023

Vuoi trovare gli UFO? Questo è un lavoro per l'apprendimento automatico

Nel 2017, l'umanità ha visto per la prima volta un oggetto interstellare (ISO), noto come 1I/'Oumuamua, che ha ronzato il nostro pianeta mentre usciva dal Sistema Solare. Le speculazioni abbondano su cosa sia questo oggetto

Nel 2017, l'umanità ha visto per la prima volta un oggetto interstellare (ISO), noto come 1I/'Oumuamua, che ha ronzato il nostro pianeta mentre usciva dal Sistema Solare. Le speculazioni su cosa potrebbe essere questo oggetto abbondano perché, sulla base dei limitati dati raccolti, era chiaro che non assomigliava a nulla che gli astronomi avessero mai visto. Un’ipotesi controversa era che potesse trattarsi di una sonda extraterrestre (o di un pezzo di un veicolo spaziale abbandonato) che attraversava il nostro sistema. L'interesse del pubblico per la possibilità di "visitatori alieni" è stato rafforzato anche nel 2021 con la pubblicazione del rapporto sugli UFO da parte dell'ODNI.

Questa mossa ha effettivamente reso lo studio dei fenomeni aerei non identificati (UAP) una ricerca scientifica piuttosto che un affare clandestino supervisionato da agenzie governative. Con un occhio rivolto al cielo e l’altro agli oggetti orbitali, gli scienziati stanno proponendo come utilizzare i recenti progressi nel campo dell’informatica, dell’intelligenza artificiale e della strumentazione per facilitare il rilevamento di possibili “visitatori”. Ciò include un recente studio condotto da un team dell’Università di Strathclyde che propone come l’imaging iperspettrale abbinato all’apprendimento automatico potrebbe portare a una pipeline di dati avanzata per la caratterizzazione dell’UAP.

Il team era guidato da Massimiliano Vasile, professore di ingegneria meccanica e aerospaziale, ed era composto da ricercatori delle scuole di ingegneria meccanica e aerospaziale e di ingegneria elettronica ed elettrica dell'Università di Strathclyde e del Fraunhofer Center for Applied Photonics di Glasgow. Una prestampa del loro articolo, intitolata “Space Object Identification and Classification from Hyperspectral Material Analysis”, è recentemente apparsa online ed è in fase di revisione per la pubblicazione su Nature Scientific Reports.

Rimuovi tutti gli annunci su Universe Today

Unisciti al nostro Patreon per soli $ 3!

Ottieni un'esperienza senza pubblicità per tutta la vita

Questo studio è l’ultimo di una serie che affronta le applicazioni dell’imaging iperspettrale per le attività nello spazio. Il primo articolo, “Caratterizzazione intelligente di oggetti spaziali con imaging iperspettrale”, è apparso su Acta Astronautica nel febbraio 2023 e faceva parte del progetto Hyperspectral Imager for Space Surveillance and Tracking (HyperSST). Questo è stato uno dei tredici concetti di mitigazione dei detriti selezionati dall'Agenzia spaziale britannica (UKSA) per il finanziamento lo scorso anno ed è il precursore del progetto Hyperspectral Space Debris Classification (HyperClass) dell'ESA.

Il loro ultimo articolo ha esplorato come questa stessa tecnica di imaging potrebbe essere utilizzata nel campo in crescita dell’identificazione degli UAP. Questo processo consiste nella raccolta ed elaborazione di dati provenienti da tutto lo spettro elettromagnetico da singoli pixel, in genere per identificare diversi oggetti o materiali catturati nelle immagini. Come ha spiegato Vasile a Universe Today via e-mail, l'imaging iperspettrale abbinato all'apprendimento automatico ha il potenziale per restringere la ricerca di possibili firme tecnologiche eliminando i falsi positivi causati da detriti di fabbricazione umana (stadi esauriti, satelliti defunti, ecc.):

“Se gli UAP sono oggetti spaziali, allora ciò che possiamo fare analizzando gli spettri è comprendere la composizione del materiale anche da un singolo pixel. Possiamo anche comprendere il movimento dell'assetto analizzando la variazione temporale degli spettri. Entrambe le cose sono molto importanti perché possiamo identificare gli oggetti dalla loro firma spettrale e comprenderne il movimento con requisiti ottici minimi”.

Vasile e i suoi colleghi propongono la creazione di una pipeline di elaborazione dati per elaborare le immagini UAP utilizzando algoritmi di apprendimento automatico. Come primo passo, hanno spiegato come sia necessario un set di dati di spettri di serie temporali di oggetti spaziali per il gasdotto, inclusi satelliti e altri oggetti in orbita. Ciò include oggetti detriti, il che significa incorporare dati provenienti dall’Orbital Debris Program Office (ODPO) della NASA, dallo Space Debris Office dell’ESA e da altri organismi nazionali e internazionali. Questo set di dati deve essere diversificato e includere scenari orbitali, traiettorie, condizioni di illuminazione e dati precisi sulla geometria, distribuzione dei materiali e movimento di assetto di tutti gli oggetti orbitanti in ogni momento.