望远镜并不总是能够很好地配合

那些涉足天文成像的读者会熟悉拍摄多张图像，然后将它们叠加在一起以提高信号强度，从而产生更好的图像的技术。进一步采用这种技术，许多研究项目需要比夜间观察更长的时间范围内的同一物体的数据。这些数据通常是在不同地点和不同条件下捕获的。问题在于匹配所有这些调查运行中的观察结果。研究人员分享了一种新方法来计算同一物体的不同图像是否会产生额外的信号或只是产生无用的噪声。

通常是天文图像中组合的图像是用同一台望远镜拍摄的，因此捕获数据的仪器和条件是相同的。迄今为止，使用来自不同地点的多个望远镜捕获数据以形成一幅图像是一种不寻常的方法，即使不是不切实际。

约翰·霍普金斯研究所的一组研究人员解决了评估多年来在不同地点、不同条件下使用不同望远镜拍摄的天空调查图像的主要问题。挑战在于匹配对相同物体的观测结果，当调查非常接近时，这可能更具挑战性。现有工具可用于交叉匹配来自各种目录的数据，例如 TopCat、CDS Match 和 Aspects，但迄今为止，这些工具的失败率高于预期。

该团队开发了一种新的数据科学方法，被称为“混合整数二次约束规划”或简称 MIQCP，其核心是为来自不同调查的不同观察运行的每对观察值分配分数。指定的分数衡量观察结果属于同一对象的可能性，观察结果越接近，分数就会增加;如果相距越远，分数就会减少。

使用新技术，他们能够从不同的调查中进行观察并匹配对象，从而消除对所有可能的配对进行排序的任务。它不仅加快了匹配过程，而且还允许处理大量数据。在测试中，结果非常有希望。以前的方法仍然很快，但不允许所有可能的匹配限制成功的可能性，这种新技术大大改进了一些东西。

研究小组强调，这些调查是理解宇宙中许多机制的关键，不仅在宏观尺度上，而且在粒子水平上。他们的新技术为处理图像数据开辟了新的机会，团队将进一步增强处理更大数据集的方法。该团队已经可以处理多达 100 个目录，比当前使用现有方法处理 10 到 20 个目录有所改进。