Открытые проблемы в астрономии, которые любитель (с докторской степенью в какой-то другой области) мог бы решить?

Если у вас есть хорошие знания в области разработки программного обеспечения и распознавания образов, есть несколько проблем, которые вы могли бы помочь решить. Большая часть наблюдательной астрономии требует данных длинных временных рядов и удаления шума из этих данных. Я только что ушел из области, где некоторые коллеги пытаются разработать программное обеспечение для использования методов вычитания изображений для выделения отдельных звезд в центре скоплений. Центр скопления обычно более плотный, и его труднее получить четкие измерения каждой отдельной звезды для анализа.

Распознавание образов было бы особенно полезно в конвейерном анализе, где общий конвейер используется для больших объемов данных, чтобы: 1: найти интересующие типы звезд; и 2: извлечение интересной информации об этих звездах. Методы машинного обучения также можно использовать для помощи в разработке общих пайплайнов для более конкретных интересов.

Я рад познакомить вас с несколькими людьми, которые могли бы предоставить вам некоторые конкретные проблемы, в которых вы могли бы помочь.

Задача зоопарка галактики Kaggle — пример проблемы, требующей идей извне. Сандер Дилеман, имеющий опыт работы в области глубокого обучения и изучения признаков, смело выступил вперед, создав классификатор изображений с использованием сверточных нейронных сетей; его полное решение подробно описано здесь .

Эти виды методов могут быть применены к любой проблеме классификации изображений в астрономии, или аналогичные методы могут быть использованы для классификации других астрофизических объектов на основе данных съемки или сигналов.

Я бы воздержался от самостоятельного захвата изображений, поскольку существует множество открытых наборов данных с большей глубиной, разрешением и охватом, чем вы могли бы надеяться выполнить самостоятельно в разумные сроки.