Brug af AI til at tælle og kortlægge kratere på månen

Et team af forskere tilknyttet flere institutioner i Kina, en fra Italien og en fra Island har brugt en maskinlæringsapplikation til kunstig intelligens til at tælle og notere placeringen af ​​over 100, 000 kratere på månen. I deres papir offentliggjort i tidsskriftet Naturkommunikation, gruppen beskriver programmering af deres system til at genkende kratere ved at træne det med data indsamlet af kinesiske månekredsløb.

Tidligere arbejde med at identificere og kortlægge kratere på månen har haft en tendens til at være en langsom proces - det er generelt blevet udført i hånden, med forskere, der studerer fotografier og overfører disse observationer til kort eller månekloder. I denne nye indsats, forskerne har fundet en måde at fremskynde processen dramatisk ved at lære en computer at identificere kratere og derefter tælle dem.

At lære en computer at genkende kratere på månen har været en vanskelig proces på grund af de mange former kratere kan antage. Ikke alle er runde, og de er i forskellige aldre, hvilket betyder, at definerende egenskaber er eroderet over lange perioder. Forskere vil gerne kortlægge alle kratere på månen og datere hver enkelt af dem - det kan give en unik måde at studere solsystemets historie på.

Den nye tilgang fra teamet, der arbejdede i Kina, involverede træning af en maskinlæringsapplikation i kraterets grundlæggende principper. Den blev derefter trænet til at se kratere med et bredere perspektiv med data fra Kinas Chang'e-1 og Chang'e-2 månekredsløb. Når først systemet havde lært, hvad det skulle kigge efter, forskerne brugte det til at analysere data fra Chang'e 5-landeren, som var en del af den kinesiske mission, der hentede sten fra månens overflade. AI-appen brugte disse data til at identificere og tælle kratere på månens midt- og lavbreddeområder. Det nye system talte 109, 956 kratere - langt flere, end der nogensinde er blevet talt på månen før. Den holdt også styr på placeringen af ​​hvert af de kratere, den fandt, og placerede hver enkelt i en foruddefineret geologisk tidsperiode baseret på, hvor meget krateret var eroderet.

© 2020 Science X Network