アマチュア（他の分野の博士号を持つ）が解決するチャンスがあるという天文学の未解決の問題？

アマチュアが解決する可能性がある天文学のいくつかの未解決の問題は何ですか？アマチュアが他の分野で博士号を持ち、基本的な望遠鏡、フィルター、回折格子、カメラのセットを所有し、機械学習、信号処理、スペクトル推定、実験の統計と設計、および基本について多くのことを知っていると仮定します物理学と化学。

より良いタグ（「研究」など）はありますか？

ソフトウェア開発とパターン認識に関する十分な知識がある場合、解決に役立ついくつかの問題があります。観測天文学の多くは、長い時系列データを必要とし、このデータからノイズを除去します。一部の同僚が、画像減算技術を使用してクラスターの中心にある個々の星を分離するソフトウェアを開発しようとしている分野を去りました。通常、クラスターの中心は密度が高く、個々の星の明確な測定値を取得して分析するのは困難です。

パターン認識は、大量のデータで一般的なパイプラインを使用して1つに関心のある星の種類を見つけます。および2：これらの星に関するいくつかの興味深い情報を抽出します。機械学習技術を使用して、より具体的な関心のための一般的なパイプラインの開発を支援することもできます。

支援できる可能性のある特定の問題を提供できる少数の人々と連絡を取りたいと思います。

Kaggle銀河の動物園の挑戦は、フィールドの外からのアイデアのために物乞い問題の例です。Sander Dielemanは、ディープラーニングと機能学習のバックグラウンドを持ち、勇敢に前進し、畳み込みニューラルネットワークを利用した画像分類器を作成しました。彼の完全なソリューションはここで流に説明されます。

これらの種類の手法は、天文学のあらゆる画像分類問題に適用できます。また、同様の手法を使用して、測量データまたは信号データから他の天体物理学オブジェクトを分類できます。

合理的な時間枠内で自分が実行できると期待するよりも、深さ、解像度、およびカバレッジが広く公開されているデータセットがたくさんあるため、自分で画像キャプチャを行うことは避けてください。