Diejenigen Leser, die sich mit astronomischer Bildgebung beschäftigt haben, werden mit der Technik vertraut sein, mehrere Bilder aufzunehmen und sie dann zu stapeln, um die Signalstärke zu verbessern und so bessere Bilder zu erhalten. Um diese Technik weiterzuentwickeln, benötigen viele Forschungsprojekte Daten desselben Objekts, die sich über längere Zeiträume als eine nächtliche Beobachtung erstrecken. Diese Daten werden in der Regel an unterschiedlichen Standorten und unter unterschiedlichen Bedingungen erfasst. Das Problem bestand darin, die Beobachtungen aller dieser Umfrageläufe abzugleichen. Forscher haben einen neuen Ansatz vorgestellt, um zu berechnen, ob separate Bilder desselben Objekts zusätzliche Signale liefern oder einfach nur nutzloses Rauschen erzeugen.
Normalerweise werden die Bilder, die in astronomischen Bildern kombiniert werden, mit demselben Teleskop aufgenommen, sodass die Instrumente, die die Daten erfassen, und die Bedingungen identisch sind. Bisher ist es ein ungewöhnlicher, wenn nicht sogar unpraktischer Ansatz, mehrere Teleskope an verschiedenen Standorten zu verwenden, um die Daten zu erfassen und ein Bild zu erstellen.
Ein Forscherteam des John Hopkins Institute befasste sich mit dem Hauptproblem der Beurteilung von Bildern aus Himmelsdurchmusterungen, die über viele Jahre hinweg von verschiedenen Teleskopen an unterschiedlichen Standorten und unter unterschiedlichen Bedingungen aufgenommen wurden. Die Herausforderung bestand darin, Beobachtungen derselben Objekte abzugleichen, und wenn die Vermessungen in unmittelbarer Nähe stattfinden, kann dies eine größere Herausforderung darstellen. Für den Vergleich von Daten aus verschiedenen Katalogen wie TopCat, CDS Match und Aspects standen bereits vorhandene Tools zur Verfügung, diese sind jedoch bisher unzureichend und hatten höhere Fehlerraten als gewünscht.
Das Team hat einen neuen datenwissenschaftlichen Ansatz entwickelt, der eingängig als „Mixed Integer Quadratically Constrained Programming“ oder kurz MIQCP bekannt ist und bei dem es darum geht, jedem Beobachtungspaar aus verschiedenen Beobachtungsläufen aus verschiedenen Umfragen eine Punktzahl zuzuweisen. Der zugewiesene Wert misst die Wahrscheinlichkeit, dass es sich bei den Beobachtungen um dasselbe Objekt handelte. Der Wert steigt, wenn die Beobachtungen näher beieinander liegen, und nimmt ab, wenn die Beobachtungen weiter voneinander entfernt sind.
Mit ihrer neuen Technik sind sie in der Lage, Beobachtungen aus verschiedenen Umfragen zu erfassen und Objekte abzugleichen, sodass sie nicht alle möglichen Paarungen sortieren müssen. Dies beschleunigt nicht nur den Matching-Prozess, sondern ermöglicht auch die Verarbeitung großer Datenmengen. In Tests waren die Ergebnisse sehr vielversprechend. Frühere Ansätze waren immer noch schnell, ließen aber nicht alle möglichen Spiele zu, was die Erfolgsaussichten einschränkte, was bei dieser neuen Technik eine deutliche Verbesserung darstellt.
Das Team betont, dass die Untersuchungen der Schlüssel zum Verständnis der vielen Mechanismen im gesamten Universum sind, nicht nur auf der Makroebene, sondern auch auf der Teilchenebene. Ihre neue Technik eröffnet neue Möglichkeiten für die Verarbeitung von Bilddaten und das Team wird die Methode weiter verbessern, um größere Datensätze verarbeiten zu können. Das Team kann bereits bis zu 100 Kataloge bearbeiten, eine Verbesserung gegenüber den derzeit 10 bis 20 mit den vorhandenen Methoden.