¿Problemas abiertos en astronomía que un aficionado (con un doctorado en algún otro campo) tendría la oportunidad de resolver?

¿Cuáles son algunos problemas abiertos en astronomía que un aficionado tendría la oportunidad de resolver? Supongamos que el aficionado tiene un doctorado en algún otro campo, posee un telescopio básico, un conjunto de filtros, rejillas de difracción, cámaras y sabe mucho sobre aprendizaje automático, procesamiento de señales, estimación espectral, estadísticas y diseño de experimentos, y conocimientos básicos. física y Química.

¿Hay mejores etiquetas disponibles (como "investigación")?

¿Cómo afecta el descubrimiento de nuevos asteroides/cometas/planetas menores/etc. al equilibrio gravitacional del sistema solar, en particular a las proyecciones de la NASA sobre ubicaciones planetarias y tasas de rotación? En 100 años, ¿habrá solo cambios menores en los kernels de SPICE o cambios extensos?
Interesante pregunta. ¿Por qué no elaboras un poco más tu comentario @barrycarter y lo conviertes en una respuesta? Dado que la pregunta es sobre aficionados, sería bueno saber qué tipo de datos se necesitarían y cómo se podrían obtener. También tengo curiosidad por saber acerca de otros problemas abiertos. ¿No tiene la astronomía muchos de ellos? :)
Sugeriría encarecidamente elegir objetos de bajo brillo superficial: por ejemplo, seguir a estas personas: dunlap.utoronto.ca/instrumentation/dragonfly
Una alternativa sería profundizar en encuestas como SDSS, DES, etc. utilizando técnicas de aprendizaje automático para identificar valores atípicos. Muchas encuestas ahora están disponibles públicamente y los astrónomos profesionales no pueden hacer mucho.
Normalmente guardo mis mejores ideas para mis propias propuestas de subvenciones :)
¿También los segundos mejores? :)
Estos chicos: cosmoquest.org/x La calidad del cielo en su área determinará si vale la pena obtener un telescopio propio.

Respuestas (2)

Si tiene un buen conocimiento del desarrollo de software y el reconocimiento de patrones, hay varios problemas que podría ayudar a resolver. Gran parte de la astronomía observacional requiere datos de series temporales largas y eliminar el ruido de estos datos. Acabo de dejar el campo donde algunos colegas están tratando de desarrollar algún software para usar técnicas de sustracción de imágenes para aislar estrellas individuales en el centro de cúmulos. El centro del cúmulo suele ser más denso y más difícil de obtener mediciones claras de cada estrella individual para analizar.

El reconocimiento de patrones sería particularmente útil en el análisis de tuberías, donde se usa una tubería genérica en grandes cantidades de datos para 1: encontrar los tipos de estrellas que le interesan; y 2: extraer información interesante sobre estas estrellas. Las técnicas de aprendizaje automático también podrían usarse para ayudar a desarrollar las líneas generales para intereses más específicos.

Me complace ponerlo en contacto con algunas personas que podrían brindarle algunos problemas específicos en los que podría ayudarlo.

¿La oferta también está abierta a otros además del OP? :) Yo también podría estar interesado..
Entonces, si tuviera, por ejemplo, esta imagen upload.wikimedia.org/wikipedia/commons/thumb/0/02/… , ¿la tarea sería encontrar las coordenadas de cada estrella en el centro? :) Un ejemplo sería bueno.
Más en la línea de miles de esas imágenes tomadas como una serie de tiempo y luego usando características comunes en las imágenes para 1: alinearlas y eliminar cualquier característica introducida por los detectores (deriva de calor, error de alineación, etc.); y 2: aislar los píxeles asociados a cada estrella y determinar la intensidad relativa de cada uno. Esto se vuelve difícil hacia el centro donde la intensidad de los píxeles está influenciada por los píxeles circundantes. Aquí hay algunas referencias que podrían ayudar arxiv.org/abs/1009.4206 , arxiv.org/abs/1309.6044

El desafío del zoológico de la galaxia Kaggle es un ejemplo de un problema que pide ideas desde fuera del campo. Sander Dieleman, con experiencia en aprendizaje profundo y aprendizaje de funciones, dio un valiente paso adelante y creó un clasificador de imágenes que utiliza redes neuronales convolucionales; su solución completa se describe con fluidez aquí .

Este tipo de técnicas podrían aplicarse a cualquier problema de clasificación de imágenes en Astronomía, o técnicas similares podrían usarse para clasificar otros objetos astrofísicos a partir de datos de levantamiento o señales.

Me mantendría alejado de hacer su propia captura de imágenes, ya que hay muchos conjuntos de datos disponibles abiertamente con mayor profundidad, resolución y cobertura de lo que podría esperar realizar usted mismo dentro de un marco de tiempo razonable.

También me gustó esta respuesta. :)
¿Problemas abiertos en astronomía que un aficionado (con un doctorado en algún otro campo) tendría la oportunidad de resolver?
RespuestasAquíPolítica de privacidad1y, 0v