Nalazite se
Članak
Objavljeno: 25.12.2020. 12:48

RSLAB 

AI detektirao 109 tisuća novih kratera na Mjesecu

Osim što je detektirao dosad neidentificirane kratere, AI je mnogima uspio ustanoviti i starost.

AI detektirao 109 tisuća novih kratera na Mjesecu

Mapiranje površine Mjeseca do sada je bilo prepušteno planetarnim znanstvenicima koji su iz crnobijelih fotografija "ručno" brojali kratere sličicu po sličicu i nastojali otkriti njihovu starost temeljem njihovih oblika, izloženosti nižih slojeva i podataka iz kamenja koje su na Zemlju donijeli astronauti iz Apollo misija. Na taj način je nastala podatkovna baza s nekih 9.000 kratera, od kojih je njih 1.700 datirano. 

Znanstvenici Remote Sensing Laboratorija (RSLAB) s talijanskog Sveučilišta u Trentu i njihovi kolege sa sveučilišta u Kini i SAD-a, razvili su algoritam strojnog učenja koji je uvelike nadmašio planetarne znanstvenike.  

Nakon što je mjesečevu površinu "razbio" na milijarde piksela i naučio kako su sive točke međusobno povezane, novi algoritam prikupio je do sada najopsežniju bazu podataka o dosad neidentificiranim kraterima Mjeseca - popisavši više od 109.000 novih "rupa" u Mjesecu, a uspio je čak utvrditi i starost njih gotovo 20.000, što predstavlja dragocjeni zapis o milijardama godina povijesti ovog dijela Sunčevog sustava.

Znanstvenici su se odlučili za tip algoritma koji se naziva konvolucijska neuronska mreža, koja metodom pokušaja i pogrešaka proučava označene slike i automatski uči najprepoznatljivije značajke objekta, koje potom može koristiti za označavanje slika tipa „krater“ ili “nije krater”.

Jednom kad došli do strukture neuronske mreže koja je mogla saznati što je krater i uočiti druge poznate kratere na popisu IAU-a (Međunarodne astronomske unije), pokrenuli su algoritam proučavajući podatke kineskog Chang'E-1 (CE -1) i Chang'E-2 (CE-2) orbitera. Grupa je zapravo postavila dvije povezane neuronske mreže. Jedna je identificirala veće kratere na CE-1 slikama (rezolucije do 150 metara), a zatim je "naučila" drugu mrežu da pronađe manje kratere na CE-2 slikama rezolucije od 7 metara. Da bi to učinio, algoritam je koristio tehniku ​​poznatu kao učenje transfera, koju uspoređuju s mentorom koji podučava nasljednika.

Čitav znanstveni rad objavljen u časopisu Nature Communications možete pronaći na ovoj poveznici.



Vezani sadržaji
Komentari

Učitavam komentare ...

Učitavam




   

*/-->