Diese Weltraumfelsen können ganze Städte zu Boden reißen – warum hat die NASA sie nicht bemerkt?
Ein Forscherteam der Universität Leiden in den Niederlanden hat ein neuronales Netzwerk namens Hazardous Object ID entwickelt, das vorhersagen kann, ob ein Asteroid auf dem Weg ist, die Erde zu treffen.
Die neue KI hat 11 Asteroiden identifiziert, die zuvor von der NASA nicht als gefährlich eingestuft wurden und einen Durchmesser von mehr als 100 Metern haben – groß genug, um bei einer Kollision mit der Erde mit der Kraft von Hunderten von Atomsprengköpfen zu explodieren.
Sie konzentrierten sich auch auf Weltraumgesteine, die innerhalb von 4,7 Millionen Kilometern um die Erde fliegen können, wie in einem Artikel beschrieben, der Anfang dieses Monats in Astronomy & Astrophysics veröffentlicht wurde.
Mit einem Supercomputer konnten die Forscher 10.000 Jahre Orbitalbewegungen der Planeten im Sonnensystem simulieren. Das Team optimierte dann die Simulation, indem es zukünftige Asteroiden simulierte, die auf die Erde aufprallten, sie von der Erde warfen und ihren genauen Standort und ihre Umlaufbahnen verfolgten.
“Wenn Sie die Zeit zurückspulen, werden Sie wieder Kollisionen mit bekannten Asteroiden sehen”, sagte der Co-Autor und Astronom Simon Portegis Zwart von der Universität Leiden. “So können Sie eine Bibliothek der Umlaufbahnen von Asteroiden erstellen, die die Erde getroffen haben.”
Diese Simulation diente als Testgelände für das neuronale Netzwerk, das dann nach Mustern in den Daten suchte, die simulierten Asteroiden gemeinsam sind und schließlich mit der Erde kollidieren könnten.
Um herauszufinden, ob ihre KI wirklich gut Asteroiden erkennen konnte, testete das Team sie anhand bekannter Daten von 2.000 Asteroiden, die von der NASA aufgelistet wurden. Das neuronale Netz bestimmte mit einer Genauigkeit von 90,99%, welche von ihnen gefährlich waren und welche nicht.
Das Team arbeitet nun daran, sein neuronales Netzwerk noch genauer zu machen.
“Wir wissen jetzt, dass unsere Methode funktioniert, aber wir möchten sicherlich tiefer in die Forschung mit einem neuronalen Netzwerk und einer großen Menge von Eingabedaten eintauchen”, sagte Zwart. “Der schwierige Teil ist, dass kleine Störungen in der Umlaufbahnberechnung zu großen Änderungen der Schlussfolgerungen führen können.”
