L’asteroide della fascia principale 2001 SE101 immortalato mentre passa davanti alla Nebulosa del Granchio in una osservazione effettuata da Hubble il 5 dicembre 2005. Crediti: Nasa/Esa Hst, Image processing: Melina Thévenot
Avete presente quando volete fare una foto carina, scegliete una bella inquadratura e proprio quando scattate un ignaro passante sfreccia davanti a voi e rimane impresso – un po’ mosso – nell’immagine? Ecco, lo fanno anche gli asteroidi. Quando un telescopio osserva stelle nella Via Lattea, oppure galassie lontane, se gli asteroidi che orbitano attorno al Sole passano nel campo di vista rimangono impressi in primo piano nelle immagini, lasciando delle scie che appaiono come linee curve.
Studiando le immagini composite, ottenute attraverso esposizioni successive in un breve intervallo di tempo, è possibile ricavare le effemeridi dell’asteroide, cioè la sua posizione e velocità, grazie alla posizione della scia nelle immagini. In questo modo si può raffinare la conoscenza della traiettoria di un asteroide, predire meglio la sua orbita futura e addirittura scoprire nuovi asteroidi.
In questo contesto, le immagini di archivio del telescopio spaziale Hubble della Nasa e dell’Agenzia spaziale europea (Esa) sono una vera e propria miniera d’oro. Per identificare gli asteroidi nelle immagini di Hubble, un gruppo di ricerca internazionale ha sviluppato il progetto di citizen science Hubble Asteroid Hunter su The Zooniverse, la più grande piattaforma di scienza partecipata al mondo, e con i risultati ha allenato un algoritmo di deep learning per esplorare l’intero archivio di Hubble e scovare altri asteroidi che abbiano attraversato il campo di vista del telescopio.
Lo studio ha permesso di individuare 1701 nuove tracce di asteroidi nelle immagini di Hubble. Di queste, 1031 probabilmente corrispondono a oggetti sconosciuti. I risultati sono stati pubblicati sulla rivista Astronomy & Astrophysics.
«Per quanto ne so, questa è la prima volta in cui il ricco archivio di immagini di Hubble, che copre due decenni, è stato esplorato da così tante persone – oltre undicimila – attraverso il crowdsourcing», racconta a Media Inaf Sandor Kruk, postdoc al Max Planck Institute for Extraterrestrial Physics vicino Monaco, in Germania, primo autore dello studio. «C’è sicuramente un vantaggio nell’avere occhi umani sui dati in quanto possono individuare le tracce insolite prodotte dagli asteroidi nelle immagini di Hubble. Le scie appaiono curve a causa del movimento combinato di Hubble attorno alla Terra e dell’asteroide nella sua orbita. Inoltre, Hubble, essendo nello spazio, non ha l’atmosfera di intralcio, quindi può osservare oggetti più deboli di quelli comunemente osservati dagli osservatori a terra».
Mosaico formato da 16 diversi set di dati di Hubble studiati nell’ambito del progetto Hubble Asteroid Hunter. A ciascun set di dati è stato assegnato un colore in base alla sequenza temporale delle esposizioni: dal blu, che rappresenta la prima esposizione in cui è stato catturato l’asteroide, al rosso, che rappresenta l’ultima. Crediti: Esa/Hubble & Nasa, S. Kruk (Esa/Estec), Hubble Asteroid Hunter citizen science team, M. Zamani (ESA/Hubble)
Il progetto di citizen science Hubble Asteroid Hunter è stato lanciato il 21 giugno 2019, poco prima della Giornata mondiale degli asteroidi, che si celebra ogni anno il 30 giugno, ed è finito un anno dopo, ad agosto 2020. Il progetto ha coinvolto 11482 volontari che hanno portato a quasi due milioni di classificazioni nelle immagini del telescopio spaziale Hubble. Complessivamente sono state analizzate quasi 150mila immagini scattate da Hubble fra il 2002 e il 2020, portando all’identificazione di tracce di asteroidi in circa l’un per cento delle immagini.
Da allora, i risultati del progetto sono stati usati per addestrare un algoritmo di classificazione basato su Google Cloud per esplorare ulteriormente l’archivio di Hubble. In totale, sono state recuperate circa 2487 tracce nelle immagini. Grazie a ulteriori analisi, in definitiva, sono state analizzate 1701 tracce in 1316 immagini composite. Lo studio ha permesso anche di etichettare altri oggetti interessanti nelle osservazioni di Hubble, come le scie di satelliti artificiali o tracce di lenti gravitazionali forti (sorgenti astronomiche distanti la cui luce viene distorta e amplificata da un corpo massiccio, solitamente una galassia, che si trova lungo la linea di vista), dando il via a ricerche su campi di studio anche al di là degli asteroidi.
«Invece di utilizzare un algoritmo standard di intelligenza artificiale, abbiamo utilizzato AutoML su Google Cloud, che ci ha permesso di cercare in due decenni di dati Hubble in sole dieci ore, rispetto a un anno impiegato dai volontari del progetto di citizen science», spiega Kruk. L’apporto dei volontari è stato fondamentale per realizzare l’algoritmo, che sarà utilizzato in futuro per cercare automaticamente gli asteroidi nei dati. Vista la diversità delle scie di asteroidi trovate nelle immagini di Hubble, infatti, i ricercatori avevano bisogno di un training set molto esteso per addestrare l’algoritmo, che non sarebbe stato possibile ottenere senza il progetto di citizen science. «Il machine learning è ottimo per accelerare le cose e automatizzare, ma dovevamo prima comprendere i dati con cui avevamo a che fare e, per questo scopo, l’ispezione visiva è fondamentale».
Confrontando le posizioni con quelle di asteroidi noti all’interno del più grande database di oggetti del Sistema solare, il Minor Planet Center – l’ente che si occupa, fra le altre cose, proprio di monitorare la posizione e le orbite di questi corpi – il gruppo di ricerca ha scoperto che il 39 per cento delle scie analizzate corrisponde a 454 oggetti noti del Sistema solare. Mentre il 61 per cento, cioè 1061 tracce, non sembrano accordarsi con nessun oggetto noto.
La distribuzione nel cielo delle nuove scie di asteroidi trovate nelle immagini dell’archivio Hubble: i cerchi arancioni indicano gli oggetti sconosciuti, le stelle blu gli asteroidi noti. Il piano dell’eclittica è contrassegnato da una linea rossa in questa proiezione. Crediti: Kruk et al. (2022)
«I nuovi asteroidi che abbiamo trovato sono deboli e quindi sono probabilmente piccoli asteroidi situati nella fascia principale, tra le orbite di Marte e Giove, dove asteroidi di dimensioni così piccole sono ancora poco studiati», aggiunge Kruk. «Nel lavoro di follow-up, esploreremo queste scie per caratterizzarne le orbite e le proprietà fisiche, che speriamo ci forniranno informazioni sui modelli di formazione del nostro sistema solare e sull’evoluzione degli asteroidi in generale».
L’idea nasce da EsaSky, il portale di scoperta realizzato dall’Esac Science Data Center (Esdc) dell’Esa a Madrid, in Spagna, che permette di esplorare le osservazioni astronomiche realizzate da numerosi satelliti attraverso un’interfaccia grafica accessibile e alla portata di tutti. Alcuni anni fa, il team di Escd aveva sviluppato uno strumento per cercare corpi del Sistema solare usando proprio EsaSky, incrociando le informazioni previste dalle effemeridi dei corpi noti con quelle provenienti dai dati delle missioni scientifiche dell’Esa. Questo lavoro, guidato da Elena Racero dell’Esa, co-autrice del nuovo studio, aveva scoperto che, in molti casi, non c’era nessun asteroide nelle posizioni previste, oppure l’asteroide si trovava in una posizione diversa nell’immagine, a causa dell’incertezza sulla sua orbita. Il gruppo ha così deciso di cercare asteroidi sull’intero archivio Hubble, e Kruk – che aveva già lavorato con Galaxy Zoo, programma di citizen science creato per classificare le galassie – ha proposto di coinvolgere i volontari in questa caccia spaziale.
Gli asteroidi rientrano nei cosiddetti Small bodies of the Solar System, cioè i piccoli corpi del Sistema solare, che rappresentano i resti dei planetesimi rimasti dopo la formazione dei pianeti, circa 4,6 miliardi di anni fa. Studiare questi corpi aiuta gli scienziati a comprendere l’evoluzione del Sistema solare e dei sistemi planetari in generale. Negli ultimi anni c’è stato un incremento esponenziale di scoperte di asteroidi, grazie alle osservazioni di nuovi telescopi robotici e a potenti algoritmi di rilevamento. L’archivio del telescopio spaziale Hubble, ricco di centinaia di migliaia di osservazioni mirate di nebulose, galassie, ammassi di galassie o lenti gravitazionali raccolte in più di trenta anni, costituisce un’ottima base di riferimento per studiare i piccoli corpi del Sistema solare, e questo nuovo studio mostra come la citizen science e il machine learning siano tecniche molto utili per la ricerca sistematica di oggetti come gli asteroidi anche negli archivi di dati astronomici già esistenti.
Per saperne di più:
- Leggi su Astronomy & Astrophysics l’articolo “Hubble Asteroid Hunter. I. Identifying asteroid trails in Hubble Space Telescope image” di S. Kruk, P. García Martín, M. Popescu, B. Merín, M. Mahlke, B. Carry, R. Thomson, S. Karadag, J. Duran, E. Racero, F. Giordano, D. Baines, G. de Marchi e R. Laureijs