いくつかの点で、天文学の分野は急速に変化しています。画像を撮り、それらがどのように変化したかを確認します。光をさまざまな色に分解し、発光と吸収を探します。私たちがそれをより速く、より遠くまで行うことができるという事実は、私たちの理解に革命をもたらしましたが、基本的な方法論には革命をもたらしませんでした。
しかし、最近、分野は変化し始めています。接眼レンズで孤独な天文学者の時代はもう過ぎ去っています。データは、処理、アクセスが容易な方法での保存、および大規模な国際的な天文学者チームが連携するよりも速く取得されています。リオデジャネイロで開かれた最近の国際天文学者会議で、オーストラリア連邦科学産業研究機構（CSIRO）の天文学者レイノリスは、これらの変化、彼らがどこまで行けるか、私たちが何を学べるか、そして何が失われるかについて話しました。
観測所
天文学者がフィールドを長い間変えてきた方法の1つは、より多くの光を集めることで、彼らがより深く宇宙を覗くことができるようにすることです。これには、より大きな集光力を持つ望遠鏡が必要であり、その結果、より大きな直径が必要になります。これらのより大きな望遠鏡は、解像度が向上するという利点もあるので、利点は明らかです。そのため、計画段階の望遠鏡には、巨大なサイズを示す名前があります。 ESOの「Over Whelmingly Large Telescope」（OWL）、「Extremely Large Array」（ELA）、および「Square Kilometer Array」（SKA）はすべて、数十億ドルもかかる巨大な望遠鏡であり、多くの国からのリソースが関与しています。
しかし、サイズが大きくなると、コストも高くなります。特に世界的な不況の影響で、観測所はすでに予算を圧迫しています。 Norrisは次のように述べています。「20年以内にさらに大きな望遠鏡を構築するには、国の富のかなりの部分が費やされ、国や国のグループがそのような機器に資金を提供するために天文学に十分に高い優先順位を設定することはまずありません。したがって天文学は、合理的に構築できる望遠鏡の最大サイズに達しているかもしれません。」
したがって、集光能力と解像度に固執する代わりに、ノリスは天文学者が潜在的な発見の新しい領域を探究する必要があると示唆しています。歴史的に、主要な発見はこの方法で行われてきました。ガンマ線バーストの発見は、観測体制が高エネルギー範囲に拡大されたときに発生しました。ただし、スペクトル範囲は現在かなりよくカバーされていますが、他のドメインはまだ探査の大きな可能性を秘めています。たとえば、CCDが開発されるにつれて、画像の露光時間が短縮され、新しいクラスの変光星が発見されました。さらに短い期間の曝露は、アステロシアスモロジーの分野を作り出しました。検出器技術の進歩により、この下限はさらに押し上げられる可能性があります。一方、画像の長期にわたる蓄積により、天文学者は単一の物体の歴史をこれまでになく詳細に探索することができます。
データアクセス
近年、これらの変更の多くは、2ミクロン全天調査（2MASS）や全天自動調査（ASAS）などの大規模な調査プログラム（多数の大規模調査のうち2つを例に挙げれば）によって推進されています。事前に収集されたデータのこれらの大規模なストアにより、天文学者は新しい方法で天文データにアクセスできます。望遠鏡の時間を提案してからプロジェクトが承認されることを期待する代わりに、天文学者はデータへのアクセスを自由に増やしています。 Norrisは、この傾向が続く場合、次世代の天文学者は、観測所を直接訪問したり、観測の計画を立てたりしなくても、膨大な量の作業を行うことができると提案しています。代わりに、データは仮想天文台などのソースから選別されます。
もちろん、より深く、より専門的なデータが依然として必要です。この点で、物理的な観測所は引き続き使用されます。すでに、対象を絞った観測の実行から得られたデータの多くは、天文学的なパブリックドメインになっています。プロジェクトを設計するチームはまだデータの最初のパスを取得しますが、多くの観測所は割り当てられた時間の後に無料で使用できるようにデータを解放します。多くの場合、これは別のチームがデータを取得し、元のチームが見逃していたものを発見することにつながりました。 Norrisが言うように、「多くの天文学的な発見は、データが他のグループにリリースされた後に発生します。他のグループは、機器の設計者がアクセスできなかったデータ、モデル、またはアイデアと組み合わせることにより、データに価値を追加できます。」
そのため、ネルソン氏は、天文学者にこの方法でデータを提供するよう奨励することを推奨しています。多くの場合、研究のキャリアは多数の出版物に基づいています。ただし、これは、少量のパブリケーションしか生成しない単一のプロジェクトに長い時間を費やす人を罰するリスクを伴います。代わりに、ネルソンは、集団知識を増やすため、天文学者がコミュニティにリリースするのに役立つデータの量によって認識を獲得するシステムを提案しています。
情報処理
自動化されたデータ取得に向かう明確な傾向があるため、初期データ処理の多くも同様に可能であることは非常に自然です。画像が天文学の研究に適する前に、画像はノイズを除去し、校正する必要があります。多くの技法では、多くの場合面倒な追加処理が必要になります。私自身が参加した10週間の夏のインターンシップでこれを体験しました。何十枚もの画像の星の点像分布関数にプロファイルを適合させ、何らかの方法で欠陥のある星を手動で拒否するという繰り返しのタスクを含みました（たとえば、フレームの端に近すぎ、部分的に切り刻まれている）。
これは多くの場合、新進の天文学者にプロセスの背後にある推論を教える貴重な経験ですが、自動化されたルーチンによって確実に促進できます。実際、天文学者がこれらのタスクに使用する多くのテクニックは、彼らがキャリアの早い段階で学んだものであり、時代遅れかもしれません。そのため、自動化された処理ルーチンをプログラムして、現在のベストプラクティスを採用して可能な限り最高のデータを可能にすることができます。
しかし、この方法には独自の危険がないわけではありません。そのような場合、新たな発見が放棄される可能性があります。非常に異常な結果は、アルゴリズムによって計装の欠陥またはガンマ線ストライクとして解釈され、さらなる検討が必要な新しいイベントとして識別されるのではなく拒否されます。さらに、画像処理手法には、手法自体からのアーティファクトがまだ含まれている場合があります。天文学者が技術とその落とし穴に少なくともある程度精通していない場合、彼らは人工的な結果を発見として解釈するかもしれません。
データマイニング
生成されるデータの大幅な増加に伴い、天文学者はそれを探索するための新しいツールを必要とするでしょう。すでに、Galaxy Zooなどのプログラムを使用して、適切な識別子でデータにタグを付ける取り組みが行われています。このようなデータが処理されてソートされると、天文学者はコンピュータで関心のあるオブジェクトをすばやく比較できるようになりますが、以前は観測を計画する必要がありました。 Norrisが説明するように、「現在観測の計画に入る専門知識は、代わりにデータベースへの進出の計画に充てられます。」私の学部課程（2008年までなので、最近のことです）の間、天文学専攻は、コンピュータプログラミングの単一のコースを取るだけで済みました。 Norrisの予測が正しければ、私のような学生が観察テクニック（まだフィルム写真を含むいくつかの作業を含んでいた）を受講したコースは、より多くのプログラミングとデータベース管理に置き換えられる可能性があります。
いったん組織化されると、天文学者は、これまで見られなかった規模で天体の個体数をすばやく比較できるようになります。さらに、複数の波長領域からの観測に簡単にアクセスできるため、オブジェクトのより包括的な理解を得ることができます。現在、天文学者は1つまたは2つのスペクトル範囲に集中する傾向があります。しかし、これまでよりもはるかに多くのデータにアクセスできるため、天文学者はさらに多様化したり、共同で作業する必要があります。
結論
進歩の可能性を秘めたノリスは、天文学の新たな黄金時代に突入するかもしれないと結論付けています。データがすぐに利用できるため、発見はこれまでになく速くなります。彼は、PhDの候補者がプログラムを開始した直後に最先端の研究を行うと推測しています。なぜ、上級の学部生や知識のある素人も同じようにしないのか疑問に思います。
しかし、すべての可能性について、データへの簡単なアクセスは、クラックポットも引き付けます。すでに、無能な詐欺が私の引用符を探してジャーナルを押し寄せています。ナンセンスを正当化するためにソース資料と奇妙な分析を指すことができるとき、それはどれほど悪くなりますか？これに対抗するために、天文学者は（すべての科学者と同じように）公共のアウトリーチプログラムを改善し、今後の発見に向けて一般市民を準備する必要があります。
