В современной астрономии существует несколько важных тенденций. Во-первых, это большой объем получаемых данных (big data). Во-вторых, открытость научной информации и ее распространение через интернет. И, в-третьих, создание единых баз данных, а в перспективе – виртуальной обсерватории, которая объединила бы в себе все доступные данные (за всю историю астрономических наблюдений) в едином формате, что позволит сразу получать информацию об объектах во всех диапазонах на больших временных интервалах и сравнивать ее с новыми данными.
Астрономия – очень интернациональная наука. Поэтому и для научного общения необходимы компьютеры и сети.
15.1. Управление инструментами, телескопы-роботы
Образ астронома у телескопа в башне на крыше, куда он поднимается по винтовой лестнице, уходит в прошлое. Конечно, такие места еще сохранились, многие из них стали музеями или используются для преподавания и экскурсий, хотя иногда там проводятся и настоящие научные наблюдения. Тем не менее последние десятилетия рабочее место астронома-наблюдателя все чаще выглядит совсем по-другому.
Развитие техники привело к тому, что автоматика быстрее и точнее наводит телескоп в нужную точку неба, чем наблюдатель способен сделать это вручную. Программа наблюдений может быть заранее записана в память компьютера, данные также записываются для дальнейшего изучения, и работа наблюдателя становится гораздо более творческой: постановка задач, обработка данных и их анализ.
Управление телескопом часто можно проводить удаленно.
Контроль за ходом наблюдений можно проводить дистанционно. Это тем более актуально, что наблюдатели, как правило, используют инструменты, расположенные в разных частях света: в Южной Америке и Австралии, на Гавайях и в Антарктиде, в Аризоне и на Канарских островах. Часто непосредственно рядом с телескопом нет даже команды инженеров и техников, поскольку при надежной работе техники нет необходимости в постоянном присутствии человека (хотя, конечно, необходим периодический осмотр). Это открыло возможность создания телескопов-роботов.
Все большее распространение получают телескопы-роботы. Как правило, это небольшие инструменты, работающие автономно.
При упоминании автономно работающих научных инструментов первое, что приходит в голову, – это космические исследования. В самом деле, наблюдатель может находиться рядом только в том случае, если инструмент установлен на обитаемой космической станции. Однако чаще всего телескопы все-таки устанавливают на автономных спутниках, так что их наблюдения проходят в основном в автоматическом режиме. На земле компьютерное управление начали опробовать на новых крупных инструментах в конце 1970-х гг., поскольку стоимость таких систем была весьма высока. В итоге, первым большим телескопом с компьютерным управлением стал введенный в строй в 1974 г. четырехметровый Anglo-Australian Telescope, AAT (Англо-Австралийский телескоп). Однако технический прогресс привел к значительному удешевлению надежных роботизированных систем и систем дистанционного управления, так что сейчас существует множество наземных инструментов с объективами диаметром от нескольких сантиметров до нескольких метров, работающих в режиме телескопов-роботов.
Известным примером является двухметровый Liverpool Telescope, LT (Ливерпульский телескоп), установленный на Канарских островах. Он входит в британскую систему RoboNet, включающую еще два двухметровых телескопа, так называемые телескопы Фолкса – северный Faulkes Telescope North на острове Мауи (Гавайи) и южный Faulkes Telescope South в Австралии (они активно использовались также для образовательных целей). Достоинством телескопов-роботов является их способность быстро реагировать на новые задания, что чрезвычайно важно при наблюдении транзиентных (вспыхивающих) источников. Например, если космический аппарат открывает новый гамма-всплеск, сигнал с него может непосредственно поступить в систему управления телескопа-робота, который наводится в нужную точку неба, а участие человека в этой процедуре лишь замедлило бы ее. Сейчас разработаны специальные системы (например, SkyAlert, «Небесное оповещение»), подписчики которых (а ими могут быть и автоматические системы) получают уведомления о транзиентных событиях в реальном времени, и на основе полученного сообщения робот может сам принять решение о прерывании текущей программы для наблюдений нового источника.
Поиски оптических вспышек источников гамма-всплесков и потенциально опасных астероидов мотивировали развитие сетей небольших роботизированных телескопов.
Поиск оптических сигналов от космических гамма-всплесков мотивировал создание нескольких сетей из небольших роботизированных телескопов (или телескопов удаленного доступа). Примером может служить система RAPTOR (RAPid Telescopes for Optical Response). В России таким проектом является сеть МАСТЕР (Мобильная Астрономическая Система ТЕлескопов-Роботов), располагающая несколькими инструментами как у нас в стране, так и за ее пределами (включая южное полушарие). Наличие нескольких инструментов в разных точках земного шара позволяет, во-первых, избежать невозможности наблюдений из-за дневного времени или плохой погоды, а во-вторых, проводить при необходимости непрерывный мониторинг астрономического источника. Разумеется, выполняя задачи по поиску оптических транзиентов от гамма-всплесков, инструменты попутно могут решать множество других задач, поскольку обычно это инструменты с широким полем зрения и в их «сети» попадает множество различных источников.
Телескопы-роботы успешно используются для обзорных программ. В частности, для поиска и изучения астероидов, включая потенциально опасные, существует несколько проектов, таких как LINEAR (Lincoln Near-Earth Asteroid Research, Исследования околоземных астероидов в лаборатории им. Линкольна), Catalina, Spacewatch («Космический дозор»), Pan-STARRS (Panoramic Survey Telescope and Rapid Response System, Система телескопов панорамного обзора и быстрого реагирования). Наблюдения в рамках каждого проекта ведутся на нескольких автоматизированных инструментах с типичными размерами от 0,5 до 1,5 м, оборудованных хорошими цифровыми камерами, позволяющими эффективно обнаруживать и изучать небольшие быстро движущиеся объекты.
Роботизированные инструменты также вносят большой вклад в изучение переменных звезд, поиск событий микролинзирования, построение кривых блеска сверхновых и обнаружение комет. С ростом размеров телескопов будет расширяться спектр решаемых задач, в частности в него могут войти спектроскопические исследования. Также мониторинг и поиск оптических транзиентов становятся более актуальными в связи с началом наблюдений гравитационно-волновых всплесков и с будущим вводом в строй таких инструментов, как системы радиотелескопов SKA и гамма-телескопов CTA (Cherenkov Telescope Array, Массив черенковских телескопов). В частности, в рамках программы RoboNet планируется постройка четырехметрового аналога Ливерпульского телескопа. Современные технологии позволяют даже таким гигантам начать наблюдения новой цели спустя всего лишь десятки секунд после получения сигнала (время реагирования небольших инструментов исчисляется секундами даже при перенаведении в противоположную точку неба).
Существенно, что робот-телескоп должен не только выполнять программу наблюдений, но и следить за погодой, условиями в башне (температура, турбулентность и т. п.) и принимать соответствующие решения. Например, переход к другой части программы, если нужный объект закрыт облачностью, или окончание наблюдений и закрытие башни, если надвигается дождь.
Развитие автоматизации небольших инструментов оказало большое влияние на любительскую астрономию. Существует большое количество телескопов-роботов и телескопов удаленного доступа, наблюдения на которых проводят любители. Это могут быть научные и образовательные наблюдения или же просто форма интеллектуального и высокотехнологичного досуга. Существуют коммерческие системы, которые предоставляют разные услуги: от коротких наблюдений до установки телескопов под ключ на специально оборудованных площадках в местах с хорошим астроклиматом.
15.2. Обработка данных. Big data
Особенность астрономии состоит в том, что всю информацию об изучаемых объектах (если исключить некоторые тела Солнечной системы, к которым можно послать космические аппараты для изучения на месте или для забора и возврата образцов на Землю) мы получаем с помощью излучения. Поэтому обработка данных наблюдений играет очень важную роль. Чтобы узнать что-то новое о физике небесных тел, приходится применять очень сложные методы анализа наблюдений. К счастью, последние десятилетия все данные сразу же регистрируются в цифровом виде, что облегчает работу и дает возможность использовать самые современные численные методы.
Многие красивые астрономические изображения, которые публикуются в популярной литературе, являются результатом сложного процесса работы с исходными данными. Но самое главное – изощренная обработка нужна для получения научных результатов, поскольку многие открытия совершаются буквально «на пределе возможного».
Астрономические данные подвергаются сложной обработке и анализу с использованием передовых численных методов.
Обработка данных на пути к окончательному научному результату может состоять из многих этапов. Сначала нужно по возможности отфильтровать различные шумы, связанные со свойствами как наблюдаемых объектов, так и детектора, т. е. выделить собственно сигнал, который мы хотим анализировать. Сигнал может быть не просто слабым, он может быть ниже уровня шумов, но тем не менее в ряде случаев работа с данными позволяет его идентифицировать и отделить от паразитного сигнала. Далее сам анализ может быть связан со сложной обработкой: поиском периодичности, или поиском сигнала определенной формы (если мы говорим о временных рядах), или идентификацией спектральных линий на фоне априори неизвестных влияний (эффект Доплера, гравитационное смещение, эффект Зеемана и многое другое). Наконец, когда получены научные данные, освобожденные от фоновых шумов, и получены параметры астрономических источников, сложный анализ может понадобиться для поиска корреляций между свойствами разных объектов, для сопоставления данных наблюдений с теоретическими предсказаниями и компьютерными моделями. В частности, отдельную проблему представляет автоматическая классификация объектов и событий при обработке обзоров неба. В настоящее время для этого все чаще используют нейронные сети – обучаемые компьютерные системы, пригодные для решения ряда задач (в частности, для распознавания образов).