2017年，人类首次瞥见了一个星际物体（ISO），称为1I / “Oumuamua”，它在离开太阳系的路上嗡嗡作响。关于这个物体可能是什么的猜测比比皆是，因为根据收集到的有限数据，很明显它是天文学家从未见过的。一个有争议的建议是，它可能是一个外星探测器（或一艘废弃的航天器）穿过我们的系统。

2021 年，随着 ODNI 发布 UFO 报告，公众对“外星访客”可能性的迷恋也得到了加强。

这一举措有效地使不明空中现象（UAP）的研究成为一项科学追求，而不是由政府机构监督的秘密事务。科学家们一只眼睛盯着天空，另一只眼睛盯着轨道物体，他们正在提出如何利用计算、人工智能和仪器的最新进展来帮助探测可能的“访客”。这包括斯特拉斯克莱德大学的一个团队最近的一项研究，该研究研究了高光谱成像与机器学习相结合如何创建先进的数据管道。

该团队由机械和航空航天工程教授Massimiliano Vasile领导，由斯特拉斯克莱德大学机械和航空航天工程学院以及电子和电气工程学院以及格拉斯哥弗劳恩霍夫应用光子学中心的研究人员组成。

他们的论文的预印本题为“高光谱材料分析的空间物体识别和分类”，可通过预印本服务器arXiv在线获得，并正在审查以发表在《科学报告》上。

这项研究是一系列研究中的最新一项，该系列研究涉及空间活动高光谱成像的应用。第一篇论文“使用高光谱成像对空间物体进行智能表征”于2023年2月发表在《宇航学报》上，是用于空间监视和跟踪的高光谱成像仪（HyperSST）项目的一部分。这是英国航天局（UKSA）去年选择资助的13个碎片缓减概念之一，也是欧空局高光谱空间碎片分类（HyperClass）项目的前身。

他们的最新论文探讨了如何将相同的成像技术用于不断发展的UAP识别领域。此过程包括从单个像素收集和处理来自整个电磁频谱的数据，通常用于识别图像中捕获的不同对象或材料。正如Vasile通过电子邮件向Universe Today解释的那样，高光谱成像与机器学习相结合，有可能通过消除人造碎片物体（用过的火箭级，失效的卫星等）引起的误报来缩小对可能技术特征的搜索范围：

“如果UAP是空间物体，那么我们通过分析光谱可以做的是了解材料成分，即使是从单个像素。我们还可以通过分析光谱的时间变化来了解姿态运动。这两件事都非常重要，因为我们可以通过物体的光谱特征来识别物体，并以最小的光学要求了解它们的运动。

资料来源：瓦西里等人 （2023）

Vasile 和他的同事提议创建一个数据处理管道，用于使用机器学习算法处理 UAP 图像。作为第一步，他们解释了管道如何需要空间物体的时间序列光谱数据集，包括卫星和轨道上的其他物体。这包括碎片物体，这意味着纳入来自美国宇航局轨道碎片计划办公室（ODPO）、欧空局空间碎片办公室以及其他国家和国际机构的数据。该数据集必须是多样化的，包括轨道场景、轨迹、照明条件以及所有轨道物体在任何时候的几何形状、材料分布和姿态运动的精确数据。

简而言之，科学家需要一个强大的数据库，其中包含太空中所有人造物体进行比较，以消除误报。由于大部分数据不可用，Vasile和他的团队创建了数值物理模拟软件，为机器学习模型生成训练数据。下一步涉及一种双管齐下的方法，将频谱与生成它的一组材料相关联，一种基于机器学习，另一种基于更传统的数学回归分析，用于确定一组数据的最佳拟合线（又名最小二乘法）。

然后，他们使用基于机器学习的分类系统将检测材料组合的概率与特定类别相关联。Vasile说，随着管道的完成，下一步是运行一系列测试，这些测试提供了令人鼓舞的数据：

“我们进行了三次测试：一次是在实验室里，用已知材料制成的卫星模型。这些测试非常积极。然后，我们创建了一个高保真模拟器来模拟对轨道上物体的真实观察。测试呈阳性，我们学到了很多东西。最后，我们用望远镜观察了许多卫星和空间站。在这种情况下，一些测试是好的，有些不太好，因为我们的材料数据库目前相当小。

在他们的下一篇论文中，Vasile和他的同事将介绍他们管道中的态度重建部分，他们希望在即将于1月8日至12日在佛罗里达州奥兰多举行的AIAA科学技术论坛和博览会（2024 SciTech）上展示。