Algoritma untuk menganalisis gambar dari Teleskop James Webb – Manadopedia
By: Date: 25 November 2022 Categories: Sains

Misi luar angkasa saat ini — termasuk James Webb Space Telescope (JWST) — mendapat manfaat dari banyak terobosan teknologi. Ini berjalan seiring dengan peningkatan besar dalam astrophotographs. Memanfaatkan data ini, yang berisi lebih banyak informasi daripada sebelumnya, memerlukan pengembangan alat baru.

Teleskop Luar Angkasa James Webb, dikembangkan oleh NASA dalam kemitraan dengan Badan Antariksa Eropa (ESA) dan Badan Antariksa Kanada (CSA), mengamati alam semesta dalam inframerah dekat dan tengah. Ini memungkinkannya untuk memeriksa gelombang yang dipancarkan pada waktu yang jauh. Memang, ruang angkasa, yang mentransmisikan cahaya yang telah menempuh perjalanan dari waktu pembentukan bintang dan galaksi pertama, beberapa ratus juta tahun setelah Big Bang, meluas dari spektrum tampak ke inframerah.

Algoritme memungkinkan penerapan berbagai manipulasi untuk mengoptimalkan pengaturan JWST dan mengoreksi berbagai sumber noise pada gambar mentah.

“Inframerah memungkinkan untuk ‘melihat’ benda-benda yang sangat jauh ini. Gelombang-gelombang itu direntangkan oleh perluasan ruang, sehingga cahaya yang telah menempuh perjalanan miliaran tahun terdistorsi. Ia meninggalkan spektrum yang terlihat, berpindah ke inframerah tetangga,” jelas Pierre-Olivier Laguerre, ilmuwan Astrofisika di Komite Prancis untuk Energi Alternatif dan Energi Atom (CEA) dan pemimpin ilmiah MIRI (instrumen inframerah menengah) di Prancis.

MIRI, salah satu dari empat instrumen sains yang ditangkap di atas kapal JWST, beroperasi di pertengahan inframerah memberikan sensitivitas yang luar biasa. Ini menyediakan empat mode pemantauan: pencitraan, pencitraan koronal, spektroskopi resolusi rendah, dan spektroskopi bidang resolusi menengah. Radiografi, yang dapat diibaratkan sebagai gerakan seseorang yang meletakkan tangannya di depan matahari saat menghadapnya, terdiri dari mengaburkan bagian tengah bintang untuk menunjukkan benda-benda yang berputar mengelilinginya. Adapun analisis spektral adalah studi tentang spektrum radiasi elektromagnetik yang dipancarkan dan diserap oleh benda langit, sehingga setiap unsur kimia memiliki profil khusus.

“Ini adalah pertama kalinya kami memiliki akses ke instrumen rumit di luar angkasa,” kata Pierre-Olivier Laguage.

“Semua Desain Baru”

Teleskop JWST merupakan lompatan teknologi besar dibandingkan pendahulunya, Teleskop Luar Angkasa Hubble dan Spitzer. Ini memperkenalkan beberapa terobosan teknis, dimulai dengan kemampuan cermin dasar untuk muncul. Dengan diameter 6,5 meter, itu lebih ringan dari cermin 2,4 meter Hubble dan menyebar setelah diluncurkan.

“Yang terpenting, bentuknya disesuaikan dengan ruang berkat enam aktuator di belakang setiap segi enam,” kata Pierre-Olivier Lagage. Ini adalah salah satu aspek JWST yang paling revolusioner.

Inovasi lain yang dikutip oleh ahli astrofisika adalah pelindung panas masif yang juga dapat dipasang di orbit, yang secara pasif menjaga suhu sensor di bawah ambang batas tertentu. “Teleskop Luar Angkasa James Webb adalah desain yang benar-benar baru dan NASA telah mengumumkan bahwa teleskop masa depan akan mengambil inspirasi dari apa yang telah dilakukan untuk misi ini.”

Ambil foto terbaik

Beberapa jenis algoritme digunakan untuk meningkatkan “penglihatan” JWST dan kualitas gambar akhir. Mereka memungkinkan penerapan berbagai perlakuan untuk meningkatkan pengaturan teleskop dan mengoreksi berbagai sumber derau pada gambar mentah.

“Di level sensor, misalnya, kita bisa mengurangi dark current [a residual electric current in the absence of light] “Ini mengoreksi bidang datar,” jelas Pierre-Olivier Laguage. Proses koreksi bidang datar ini memungkinkan untuk mengoreksi perbedaan respons piksel teleskop yang berbeda terhadap sumber cahaya yang sama. Tujuannya untuk menghasilkan citra yang menyatu.

Berbagai algoritme astronomi (terkait dengan posisi bintang dan benda langit lainnya) memungkinkan penentuan sumber radiasi secara tepat. Perangkat lunak lain membantu meningkatkan akurasi dan stabilitas penunjuk teleskop. “Masalah tidak terjadi dengan JWST karena sangat stabil. Kami telah melampaui spesifikasi dalam aspek ini”, puji Pierre-Olivier Laguerre.

Peneliti juga menyebutkan perangkat lunak kalibrasi, yang memungkinkan pengaturan pemantauan dioptimalkan untuk mengambil data terbaik.

Program khusus kemudian dapat digunakan sesuai dengan program ilmiah. Sering dikembangkan dengan cara “ad-hoc”, ini menerapkan banyak teknik analisis statistik dan menghasilkan rantai pemrosesan yang kurang lebih kompleks.

Studi transit planet ekstrasurya, bidang penelitian Pierre-Olivier Laguage, memberi kita contoh. Metode transit adalah menghubungkan penurunan luminositas bintang secara periodik dengan planet ekstrasurya yang mengorbit bintang. “Perbedaan luminositas yang diukur dengan metode transmisi minimal dan ada banyak kebisingan yang seragam. Itulah mengapa kami menggunakan perangkat lunak “penghancuran” khusus untuk menghilangkan tren yang dapat disebabkan oleh berbagai sumber kebisingan dan penyimpangan instrumen, jelas ahli astrofisika tersebut.

Kecerdasan buatan dan “data besar luar angkasa”

Peningkatan volume dan kompleksitas data astronomi ini membutuhkan pengembangan alat baru yang memungkinkan eksploitasi citra luar angkasa yang lebih detail dari sebelumnya. Kecerdasan buatan dan pembelajaran mesin mulai digunakan, terutama untuk menggabungkan gambar dari berbagai sumber atau untuk mendeteksi dan mengklasifikasikan fenomena yang menarik.

Mengambil contoh dari JWST, teleskop sekarang menggunakan beberapa alat pencitraan dan spektroskopi yang mencakup berbagai wilayah spektrum elektromagnetik. Hal ini memungkinkan mereka untuk memberikan gambar pemandangan multispektral dan hiperspektral (artinya ditangkap dalam jumlah pita spektral yang lebih besar atau lebih kecil), dengan masing-masing jenis gambar memberikan informasi spesifik. Algoritme, menggunakan jaringan saraf atau teknik serupa lainnya, dapat membantu menggabungkan gambar-gambar ini untuk membangun gambar spektral spasial berkualitas tinggi yang menggabungkan resolusi tinggi dengan spektrum detail.

Mengidentifikasi objek lemah dalam ribuan gambar astronomi adalah tugas yang sangat kompleks dan memakan waktu. Di sini sekali lagi, algoritme AI yang kuat dapat membantu para astronom mendeteksi dan mengklasifikasikan fenomena menarik, menggunakan teknik visi komputer, misalnya. Itulah tugas Morpheus, algoritme pembelajaran mendalam yang dapat menganalisis gambar astronomi piksel demi piksel untuk menemukan dan mengklasifikasikan galaksi berdasarkan kriteria morfologis. Morpheus awalnya dilatih dari ribuan gambar galaksi yang diambil oleh Hubble, dan digunakan dalam lingkup program COSMOS-Webb yang ambisius, yang bertujuan untuk memetakan sebagian alam semesta menggunakan kamera NIRCam dan MIRI JWST. Ini akan membantu para peneliti untuk “menggali” wilayah alam semesta yang luas ini untuk mencari galaksi paling kuno.

Berkat kemajuan signifikan dalam alat dan pendekatan baru, JWST sendiri melihat apa yang dilihatnya dengan kepekaan yang belum pernah terjadi sebelumnya. Kecerdasan buatan, yang masih dalam masa pertumbuhan dalam hal astronomi, dapat menjadi alat yang ampuh untuk memanfaatkan sepenuhnya kemampuannya yang luar biasa dan membantu kita lebih memahami proses yang terjadi di luar angkasa.