Международная группа исследователей приспособила алгоритмы машинного обучения для более эффективного определения ям и провалов, служащих входами в лавовые пещеры и лавовые трубки в вулканических районах Луны (лунных морях). Это исследование может помочь учёным разработать новые методы определения ключевых особенностей поверхности планетарных тел, которые могут помочь в исследовании как роботами, так и людьми.
В ходе исследования учёные использовали несколько моделей глубокого обучения для идентификации ям и провалов на орбитальных снимках Луны и Марса с целью выявления новых лунных ям и провалов в дополнение к уже известным 16, которые были ранее идентифицированы с помощью атласа лунных ям. Одной из ям, использованных для обучения модели, была известная яма в Море Спокойствия, которая неоднократно подвергалась съёмке и, по оценкам, имеет минимальный радиус 100 метров и глубину около 105 метров. В итоге исследователи обнаружили, что модель глубокого обучения под названием ESSA (Entrances to Sub-Surface Areas) показала наилучшие результаты, так как она успешно идентифицировала два новых входа в провалы, несмотря на то, что обработала только около 1,92% лунного моря.
В исследовании отмечается: «Поскольку на сегодняшний день ESSA обследовала всего ≈0,23% поверхности Луны, всё ещё остаются огромные объёмы данных, к которым можно будет применить этот метод. В контексте поиска ям и провалов, которые относятся к потенциальным входам в пещеры, приоритетными для ESSA должны быть регионы лунных морей. До сих пор ESSA применялся в основном к небольшим маревым отложениям, имеющим чётко очерченные границы, например, в пределах ударных кратеров. Однако при достаточном времени, выделенном на обработку снимков, ESSA может искать ямы и провалы в некоторых более крупных лунных морях (таких как Маре Фригорис), перебирая интервалы широта-долгота».
Подобные лунные ямы служат входами в подповерхностные лавовые пещеры и трубы, которые могут позволить будущим роботам и человеку лучше изучить вулканическую историю Луны, а также служить убежищем для будущих астронавтов. Ведь, в отличие от Земли, на Луне нет атмосферы с защитным озоновым слоем и магнитного поля, из-за чего астронавты на поверхности будут подвергаться вредному воздействию солнечной и космической радиации.
Исследование проводится в рамках программы НАСА «Артемида», согласно которой в ближайшие несколько лет планируется отправить людей на поверхность Луны впервые со времён «Аполлона-17» в 1972 году. Хотя по программе «Артемида» планируется высадить астронавтов на южном полюсе Луны, вдали от лунных лавовых пещер и трубок, данное исследование демонстрирует, как ИИ и машинное обучение можно использовать для идентификации ключевых особенностей лунной поверхности, потенциально включающих залежи водяного льда и лунные ресурсы.
Источник: habr.com