Een nieuwe techniek die is ontwikkeld door onderzoekers van U of T Scarborough, gebruikt dezelfde technologie achter zelfrijdende auto's om de grootte en locatie van kraterinslagen op de maan te meten.

"Als het gaat om het tellen van kraters op de maan, het is een vrij archaïsche methode, " zegt Mohamad Ali-Dib, een postdoctoraal onderzoeker in het Centrum voor Planetaire Wetenschappen (CPS).

"In principe moeten we handmatig naar een afbeelding kijken, zoek en tel de kraters en bereken vervolgens hoe groot ze zijn op basis van de grootte van de afbeelding. Hier hebben we een techniek ontwikkeld op basis van kunstmatige intelligentie die dit hele proces kan automatiseren, wat veel tijd en moeite bespaart."

Onderzoekers hebben in het verleden geprobeerd algoritmen te ontwikkelen die maankraters konden identificeren en tellen, maar toen ze werden gebruikt op nieuwe, voorheen ongeziene kraters hadden ze de neiging slecht te presteren. Ter vergelijking, de door Ali-Dib en zijn collega's ontwikkelde techniek kan heel goed worden gegeneraliseerd naar onzichtbare maanpatches, en zelfs andere kraters zoals Mercurius.

"Het is de eerste keer dat we een algoritme hebben dat kraters heel goed kan detecteren, niet alleen voor delen van de maan, maar ook gebieden van Mercurius, " zegt Ali-Dib, die de techniek samen met Ari Silburt ontwikkelde, Chenchong Charles Zhu en een groep onderzoekers van CPS en het Canadian Institute for Theoretical Astrophysics (CITA).

Om de nauwkeurigheid te bepalen, de onderzoekers trainden eerst het neurale netwerk op een grote dataset die twee derde van de maan beslaat, en testten vervolgens hun getrainde netwerk op het resterende derde deel van de maan. Het werkte zo goed dat het twee keer zoveel kraters kon identificeren als traditioneel handmatig tellen. In feite, het was in staat om ongeveer 6 te identificeren, 000 voorheen ongeïdentificeerde kraters op de maan.

De techniek zelf is gebaseerd op een convolutief neuraal netwerk, een klasse van machine learning-algoritmen die met succes is gebruikt voor computervisie om robots en zelfs zelfrijdende auto's aan te drijven. De gegevens die door de algoritmen worden gebruikt, zijn afkomstig van hoogtekaarten die zijn verzameld van satellieten in een baan om de aarde.

Hoewel geen van de onderzoekers eerdere ervaring had met het tellen van kraters, ze waren in staat om de techniek te ontwikkelen als resultaat van een reeks workshops die werden gehouden in U of T Scarborough, georganiseerd door universitair hoofddocent Kristen Menou en een aantal van de auteurs over hoe machine learning en deep learning kunnen helpen bij het aanpakken van specifieke wetenschappelijke problemen.

"Tienduizenden ongeïdentificeerde kleine kraters zijn op de maan, en het is onrealistisch voor mensen om ze allemaal efficiënt met het oog te karakteriseren, " zegt Silburt, een voormalig grad student in U of T's Department of Astronomy and Astrophysics.

"Er is echt potentieel voor machines om deze kleine kraters te helpen identificeren en onontdekte aanwijzingen over de vorming van ons zonnestelsel te onthullen."

Het is belangrijk om de grootte en locatie van kraters op lichamen zoals de maan te kennen, omdat het een kijkje biedt in de geschiedenis van ons zonnestelsel. Door inslagkraters in alle vormen te bestuderen, maten en leeftijden, onderzoekers kunnen de verdeling van materiaal en de fysica die plaatsvonden in de vroege stadia van ons zonnestelsel beter begrijpen, merkt Ali-Dib op.

Omdat de maan geen atmosfeer heeft, platentektoniek en water, er is weinig erosie en daardoor zijn enkele inslagkraters van wel 4 miljard jaar oud zichtbaar. De leeftijd van grote kraters kan ook worden bepaald door te tellen hoeveel kleine kraters erin worden gevonden.

"Om deze techniek te laten werken, heb je een luchtloos lichaam nodig, zoals de maan of Mercurius, lichamen waar weinig erosie plaatsvindt", voegt Ali-Dib toe.

Wat de volgende stappen betreft, Ali-Dib zegt dat het plan is om het algoritme verder te verbeteren, zodat onderzoekers meer kraters kunnen vinden. en om het ook te testen op andere zonnestelsellichamen zoals Mars, Ceres en de ijzige manen van Jupiter en Saturnus.

Het onderzoek, die momenteel wordt beoordeeld in het tijdschrift Icarus , ontving financiering van de Natural Sciences and Engineering Research Council of Canada (NSERC).