Международная команда астрофизиков и специалистов по машинному обучению представила инновационный метод поиска малых небесных тел под названием YOSO (You Only Stack Once — «складываем только раз»). Технология призвана преодолеть «вычислительное проклятие» при анализе огромных архивов снимков глубокого космоса. Вместо традиционного перебора тысяч комбинаций скоростей и направлений движения объектов, YOSO анализирует временные изменения яркости пикселей, объединяя серию кадров в одно итоговое изображение за один проход.
Гауссовский фильтр движения и нейросети
В основе алгоритма лежит Гауссовский фильтр движения (GMoF). При прохождении небесного тела, например транснептунового объекта (ТНО), через поле зрения телескопа, яркость пикселей меняется по траектории, напоминающей колоколообразную кривую. Ширина этой кривой зависит от качества оптики, разрешения сенсора и скорости движения объекта. Фильтр преобразует это движение в отчетливый визуальный след на итоговом снимке.
Для распознавания данных следов была применена глубокая нейросеть архитектуры YOLOv8-L. Обучение модели проходило на массиве из 16 000 изображений, включающих как реальные артефакты (космические лучи, блики, следы спутников), так и синтетические объекты яркостью от 19 до 27 звёздной величины. Система показала высокую эффективность: время обработки одного кадра составляет менее 11 миллисекунд, при этом нейросеть успешно фильтрует помехи, требующие ранее ручной проверки.
Транснептуновые объекты представляют огромный интерес для науки в преддверии сезонов затмений и покрытий, которые позволят детально изучить их физические параметры. Активная фаза этих событий ожидается в период с 2030 по 2033 год, когда прогнозируется более 2000 уникальных явлений.
Реальные испытания и перспективы
Эффективность метода была подтверждена на данных проекта DEEP (DECam Ecliptic Exploration Project), полученных с 4-метрового телескопа имени Виктора Бланко в Чили. Алгоритм YOSO обнаружил 11 новых транснептуновых объектов и 216 движущихся тел во внутренней части Солнечной системы. Важно, что ИИ выявил даже объект яркостью 21,49 звёздной величины, который ранее оставался незамеченным из-за сложного фона.
Для исключения ошибок система использует многоступенчатую проверку: объекты с ненулевой эллиптичностью отсеиваются как шум, что обеспечивает чистоту каталога на уровне 99%. Разработчики из Института DiRAC и Лаборатории реактивного движения NASA (JPL) отмечают, что YOSO станет ключевым инструментом для Обсерватории имени Веры Рубин (LSST), которая будет генерировать беспрецедентные объемы данных.
Кроме наземных исследований, технология критически важна для будущих космических миссий, таких как NEO Surveyor. Использование YOSO непосредственно на борту спутников позволит передавать на Землю не сотни «сырых» кадров, а один готовый обработанный снимок, что радикально снизит нагрузку на каналы связи и ускорит обнаружение опасных околоземных астероидов.
