Забудьте про дорогие обсерватории: нейросети меняют правила игры

Хотите делать фотографии космоса круче, чем у NASA? А может, мечтаете спасти планету от экологической катастрофы? Учёные из ЮФУ уже знают, как это сделать! И помогают им в этом — нейросети.

Бытует мнение, что только крутые учёные с миллиардными бюджетами могут делать великие открытия, но вот Южный федеральный университет (ЮФУ) в Ростове-на-Дону доказал, что инновации доступны всем.

Сегодня мы разберёмся, как можно прокачать космическую астрономию и экологию Земли с помощью нейросетей (которые и так уже повсюду).

Космос своими руками

Астрономия — это обычно про огромные обсерватории и телескопы, за которые ты и почку продать готов, но в 2024 на международном конкурсе астрофотографии «Astrobin» победил снимок МКС от Максима Хисамутдинова, который заставил специалистов почесать затылки. Почему?

Потому что снимок был сделан на самый обычный телескоп Meade LX200 16" (ну, цена у него не самая обычная, но это всё ещё не профессиональный уровень). Ведь из-за атмосферных помех, вибраций телескопа и высокой скорости самой станции получить чёткое изображение практически невозможно.

В лучшем случае там будет размытое пятно, а на фотографии — еле различимый след.

Как он добился такого впечатляющего результата? Да очень просто: Максим использовал собственное изобретение — небольшой девайс на основе нейросетей, который превращает обычный телескоп в ультраточный прибор для съёмки космоса. Представьте, что у вас в руках смартфон с камерой, который снимает лучше, чем какая-нибудь зеркалка. Примерно так.

Каждый астроном хотел бы видеть объект наблюдения без искажений, вызванных влиянием атмосферы или вибрациями монтировки, но в реальности избавиться от них было либо невозможно, либо по крайней мере сложно и дорого. Однако технический прогресс открывает новые возможности. Я разработал недорогое малогабаритное устройство, подключив которое к астрономической камере можно увидеть значительно улучшенное изображение на ЖК-дисплее и записать полученные данные на жёсткий диск с максимально возможной производительностью. аксим Хисамутдинов старший научный сотрудник НИИ МВС ЮФУ

Как это работает?

Сначала человек наводит камеру на космический объект, потом включает цифровую стабилизацию, чтобы кадр не смазывался. После нейросеть улучшает резкость изображения, и вот, на выходе можно получить картинку высокого качества.

Эта умная коробочка может делать до 300 снимков в секунду для больших объектов, таких как МКС, и до 1000 кадров для спутников поменьше, например, Starlink. Это позволяет следить за объектами, которые носятся по небу быстрее, чем успеваешь моргнуть.

Но главная фишка — это система динамического следящего окна ROI, которое всегда держит фокус на объекте. Устройство автоматически знает, где находится объект, и не тратит время и ресурсы на захват ненужных данных. Без него пришлось бы записывать полный кадр матрицы с частотой всего 40-50 кадров в секунду.

ROI (Region of Interest) — это специальная область на изображении, которая выделяется для более детального изучения.

А ещё умная программа может различать различные космические штуки, например, МКС или китайскую станцию «Тяньгун». Теперь можно не только что-то увидеть, но и идентифицировать.

Ветер и недостаточная точность системы ведения телескопа теперь не проблема. Мы не только получаем фото и видео космических объектов, но и в реальном времени видим их на экране намного лучше, чем если бы просто смотрели в телескоп. аксим Хисамутдинов старший научный сотрудник НИИ МВС ЮФУ

Дело ещё в том, что астрономия — уникальная наука, где грань между профессионалами и любителями довольно размыты.

Астрономы-любители зачастую на одном только энтузиазме проводят бесчисленные часы, наблюдая за всякими объектами в небе, фотографируя их и фиксируя перемещения.

И нередко именно любители становятся авторами важных открытий — находят новые кометы и астероиды, первыми замечают вспышки на звёздах, делают уникальные снимки редких астрономических явлений.

Однако до недавнего времени возможности любителей ограничивались несовершенством оборудования. Получить действительно качественные изображения космических объектов, которые могли бы конкурировать со снимками с крупных обсерваторий, было практически невозможно.

Поэтому такая небольшая коробочка вполне может заинтересовать любителей астрономии, да и не только их — разные университеты, школы, и даже небольшие обсерватории, у которых нет денег на дорогущее оборудование, тоже смогут делать более качественные снимки.

Мы полностью заменили электронику и программное обеспечение, управляющее движением телескопа. Теперь оно может изменять скорость движения мотора 50 раз в секунду. Стандартное оборудование позволяет делать это только 1–2 раза в секунду. Благодаря доработке устройство может наводиться на объект с точностью до 20 микрорадиан. Это очень высокий показатель, уже не любительский. аксим Хисамутдинов научный сотрудник НИИ многопроцессорных вычислительных систем ЮФУ

Этот прибор также поможет отслеживать космический мусор, а это реально важно. В мире, где количество спутников в небе стремительно растёт, такая возможность — это спасение от возможных столкновений.

И возможно, скоро любой школьник с телескопом на балконе сможет следить за тем, как по орбите летают спутники, и даже замечать те, что уже отслужили свой срок. Подобная информация очень пригодится тем, кто запускает новые аппараты.

Земля под наблюдением

Пока Максим выискивает звезды, другой учёный из ЮФУ, Денис Кривогуз, вместе с командой работает над анализом того, что происходит у нас на Земле. Он разработал модифицированную нейросеть CNN для анализа спутниковых снимков, которая показывает, как меняется наша планета из-за людей.

Сначала работу нейронок проверили на данных зонда LandSat-5 в начале и середине 1990-х годов, а также с помощью топографических карт советского Генштаба. Лучше всего справилась как раз CNN, которая правильно распознала 90% информации (хуже всего показала AdaBoost — 58% точности).

CNN (Convolutional Neural Network) — это тип нейросети, которая отлично распознает и анализирует изображения. Она автоматически выделяет важные детали, такие как формы и цвета, что делает её идеальной для задач, которые связаны с обработкой и анализом визуальной информации.

В чем суть?

Далее, совместно с учёными из Санкт-Петербургского государственного морского технического университета (СПб-ГМТУ) и Керченского государственного морского технологического университета (КГМТУ) он исследовал изменения на Керченском полуострове за последние 30 лет. Выяснилось, что эти изменения в первую очередь вызваны человеком, а не природой. Причина? Антропогенное воздействие и, в частности, перекрытие Северо-Крымского канала в 2014 году.

Из-за этого водные ресурсы региона уменьшились, что повлияло на сельское хозяйство и природу в целом.

Исследование Керченского полуострова — лишь начало. Мы не собираемся останавливаться на этом регионе и планируем внедрение результатов исследований в другие регионы Российской Федерации. Это открывает двери для использования аналогичных методов в управлении природными ресурсами по всей стране. енис Кривогуз научный сотрудник кафедры океанологии Института наук о Земле ЮФУ

Почему это было сложно сделать раньше? Ну, вся эта информация получена благодаря спутникам, которые постоянно сканируют поверхность Земли и фиксирует всё, что на ней происходит. В этих данных есть информация о состоянии лесов, полей, рек и озёр, о движении транспорта, о росте городов и о многом другом.

Однако, объём этой информации поистине колоссален, обработать её вручную — задача непосильная даже для больших групп специалистов. Вот тут на помощь и пришла нейросеть.

Проект стал частью программы «Приоритет-2030», которая нацелена на внедрение ИИ во все сферы жизни. Нейросеть помогает не только фиксировать текущие изменения, но и предсказывать их, так что теперь возможно заранее подготовиться к потенциальным проблемам и принять меры, чтобы их избежать.

Будущее за ИИ

В общем, ЮФУ показывает, как даже небольшой научный коллектив может добиться впечатляющих результатов с помощью современных технологий.

Разработки Максима и Дениса доказывают, что нейросети — это не просто модный тренд, но реальный инструмент, который может помочь в разных сферах (а не угроза рабочим местам).

Ну а ЮФУ продолжает прокачивать свои проекты, сделать нужно ещё многое. Сейчас технологии и наука идут рука об руку, и самое важное для нас — не упустить момент.

Ведь искусственный интеллект — это не просто будущее, это уже настоящее.

Наука и техника

Санкт-Петербургский морской технический госуниверситет

NASA