想找不明飞行物？那是机器学习的工作

驾驶舱视频显示了2015年的一次异常空中相遇。鸣谢:美国海军视频

（蜘蛛网eeook.com）据《今日宇宙》（马特·威廉姆斯）：2017年，人类首次瞥见了一个星际物体(ISO)，称为1I/“Oumuamua，它在离开太阳系的途中掠过我们的星球。关于这个天体可能是什么的猜测比比皆是，因为根据收集到的有限数据，很明显它不像天文学家见过的任何东西。一个有争议的建议是，它可能是一个外星探测器(或废弃的航天器的一部分)通过我们的系统。

2021年，随着ODNI发布UFO报告，公众对“外星人”可能性的兴趣也有所增加。

这一举措有效地使不明空中现象(UAP)的研究成为一种科学追求，而不是由政府机构监督的秘密事件。一只眼睛盯着天空，另一只眼睛盯着轨道物体，科学家们正在提出如何利用计算、人工智能和仪器仪表的最新进展来帮助检测可能的“访客”。这包括斯特拉斯克莱德大学(University of Strathclyde)的一个团队最近的一项研究，该研究考察了超光谱成像与机器学习如何能够创建高级数据管道。

该团队由机械和航空航天工程教授Massimiliano Vasile领导，由来自斯特拉斯克莱德大学机械和航空航天工程学院以及电子和电气工程学院和格拉斯哥弗劳恩霍夫应用光子学中心的研究人员组成。

他们的论文预印本题为“超光谱材料分析的空间物体识别和分类”，可通过预印本服务器arXiv在线获得，正在接受审查，以便在科学报告中发表。

这项研究是一系列研究中的最新一项，涉及超光谱成像在空间活动中的应用。第一篇论文"利用超光谱成像对空间物体进行智能定性"，发表在2023年2月的《航天学报》上，是空间监视和跟踪超光谱成像仪项目的一部分。这是英国航天局(UKSA)去年选择资助的13个碎片减缓概念之一，也是欧空局超光谱空间碎片分类(HyperClass)项目的前身。

他们的最新论文探索了这种相同的成像技术如何用于不断发展的UAP识别领域。这一过程包括收集和处理来自单个像素的电磁频谱的数据，通常是为了识别图像中捕获的不同对象或材料。正如瓦西里通过电子邮件向《今日宇宙》解释的那样，超光谱成像与机器学习相结合，有可能通过消除人为碎片物体(废弃的火箭级、失效的卫星等)造成的假阳性，缩小对可能的技术特征的搜索范围。):

“如果UAP是空间物体，那么我们可以通过分析光谱来了解甚至是单个像素的物质组成。我们也可以通过分析光谱的时间变化来理解姿态运动。这两件事都非常重要，因为我们可以通过光谱特征识别物体，并以最低的光学要求理解它们的运动。”

鸣谢:瓦西里等人(2023年)

瓦西里和他的同事提议创建一个数据处理管道，使用机器学习算法处理UAP图像。作为第一步，他们解释了管道如何需要空间物体的时间序列光谱数据集，包括卫星和轨道上的其他物体。这包括碎片物体，这意味着纳入来自美国航天局轨道碎片方案办公室(ODPO)、欧空局空间碎片办公室以及其他国家和国际机构的数据。这个数据集必须是多样化的，包括轨道情况、轨道、照明条件以及任何时候所有轨道物体的几何形状、物质分布和姿态运动的精确数据。

简而言之，科学家们需要一个强大的数据库，包含太空中所有人造物体的信息，以便进行比较，从而消除假阳性。由于这些数据中有很多是不可用的，Vasile和他的团队创建了数值物理模拟软件，以产生机器学习模型的训练数据。下一步涉及一种双管齐下的方法，将光谱与产生光谱的一组材料相关联，一种基于机器学习，另一种基于更传统的数学回归分析，用于确定一组数据的最佳拟合线(又名。最小二乘法)。

然后，他们使用基于机器学习的分类系统将检测到材料组合的概率与特定类别相关联。瓦西里说，管道完成后，下一步是进行一系列测试，这些测试提供了令人鼓舞的数据:

“我们进行了三项测试:一项是在实验室里用已知材料制作的卫星模型。这些测试非常积极。然后我们创建了一个高保真模拟器来模拟在轨道上对物体的真实观察。测试呈阳性，我们学到了很多。最后，我们用望远镜观察了一些卫星和空间站。在这种情况下，有些测试是好的，有些是不好的，因为我们的材料数据库目前相当小。”

在他们的下一篇论文中，Vasile和他的同事将展示他们管道中的态度重建部分，他们希望在即将于1月8日至12日在佛罗里达州奥兰多举行的AIAA科技论坛和博览会(2024 SciTech)上展示。