Teleskoplar her zaman birbirleriyle iyi uyum sağlamadı. Bu değişmek üzere

Astronomik görüntülemeyle ilgilenen okuyucular, birden fazla görüntü alma ve daha sonra bunları bir araya getirerek sinyalin gücünü artırmak ve daha iyi görüntüler elde etme tekniğine aşina olacaklardır. Bu tekniği daha da ileriye taşıyan birçok araştırma projesi, aynı nesnenin bir gece gözleminden daha uzun zaman dilimlerine yayılan verilerini gerektirir. Bu veriler genellikle farklı konumlardan ve farklı koşullar altında toplanır. Sorun, tüm bu anket çalışmaları boyunca gözlemlerin eşleştirilmesiydi. Araştırmacılar, aynı nesnenin ayrı görüntülerinin ek sinyaller mi üreteceğini yoksa sadece gereksiz gürültü mü üreteceğini hesaplamak için yeni bir yaklaşım paylaştılar.

Genellikle astronomik görüntülerde birleştirilen görüntüler aynı teleskopla alınır, dolayısıyla verileri yakalayan araçlar ve koşullar aynıdır. Bugüne kadar, tek bir görüntü oluşturmak için verileri yakalamak amacıyla farklı konumlardan birden fazla teleskop kullanmak, pratik olmasa da alışılmadık bir yaklaşımdır.

John Hopkins Enstitüsü’nden bir araştırmacı ekibi, farklı koşullar altında farklı konumlardaki farklı teleskoplardan uzun yıllar boyunca alınan gökyüzü araştırmalarından elde edilen görüntülerin değerlendirilmesindeki temel sorunu ele aldı. Zorluk, aynı nesnelerin gözlemlerini eşleştirmek olmuştur ve araştırmalar birbirine yakın olduğunda bu daha zor olabilir. TopCat, CDS Match ve Aspects gibi çeşitli kataloglardaki verileri çapraz eşleştirmek için mevcut araçlar mevcuttu ancak bugüne kadar bunlar çok yaygın ve istenenden daha yüksek başarısızlık oranlarına sahip.

Ekip, akılda kalıcı bir şekilde “karışık tamsayı ikinci dereceden kısıtlı programlama” veya kısaca MIQCP olarak bilinen ve farklı anketlerden farklı gözlem çalışmalarından her bir gözlem çiftine bir puan atamaya odaklanan yeni bir veri bilimi yaklaşımı geliştirdi. Atanan puan, gözlemlerin aynı nesneye ait olma olasılığını ölçer ve puan, gözlemler yaklaştıkça artar, uzaklaştıkça azalır.

Yeni tekniklerini kullanarak, farklı araştırmalardan gözlemler alabiliyorlar ve olası tüm eşleştirmeleri sıralama görevini ortadan kaldırmak için nesneleri eşleştirebiliyorlar. Yalnızca eşleştirme sürecini hızlandırmakla kalmaz, aynı zamanda büyük veri kümelerinin işlenmesine de olanak tanır. Testlerde sonuçlar oldukça umut vericiydi. Önceki yaklaşımlar hâlâ hızlıydı ancak başarı olasılığını sınırlayan tüm olası eşleşmelere izin vermiyordu; bu yeni teknikte büyük ölçüde geliştirilmiş bir şey.

Ekip, araştırmaların evrendeki birçok mekanizmayı yalnızca makro ölçekte değil parçacık düzeyinde de anlamanın anahtarı olduğunu vurguluyor. Yeni teknikleri, görüntü verilerinin işlenmesi için yeni fırsatlar yaratıyor ve ekip, daha büyük veri kümelerini işlemek için yöntemi daha da geliştirecek. Ekip halihazırda 100’e kadar kataloğu yönetebiliyor; bu, mevcut yöntemler kullanılarak mevcut 10 ila 20 katalog arasında bir gelişmedir.