Появился новый метод сканирования Луны, который позволяет автоматически классифицировать особенности спутника Земли по изображениям телескопа. Это повысит эффективность выбора мест для исследования.
Выбор места для посадки или исследования Луны — это сложный процесс, отметили ученые. Видимая площадь лунной поверхности больше, чем территория России, она состоит из тысяч кратеров. Выбор будущих мест для посадки и исследования может сводиться к выбору наиболее перспективных мест для строительства, полезных ископаемых или потенциальных энергетических ресурсов. Однако сканирование на глаз такой большой территории в поисках объектов размером, возможно, в несколько сотен метров, является трудоемким и часто неточным.
Теперь ученые из Китайского университета Гонконга применили машинное обучение и искусственный интеллект (ИИ) для автоматизации определения перспективных районов посадки и исследования Луны.
«Мы ищем лунные особенности, такие как кратеры, которые являются источниками энергетических ресурсов, таких как уран и гелий-3 — перспективный ресурс для ядерного синтеза, — отметила команда. — И то, и другое было обнаружено в лунных кратерах и может быть полезным ресурсом для пополнения запасов топлива космических аппаратов».
Следующей задачей была разработка вычислительного алгоритма, который можно использовать для оценки кратеров и территорий на Луне. «Мы решили эту проблему, создав систему глубокого обучения под названием high-resolution-moon-net. Она состоит из двух независимых сетей с одинаковой сетевой архитектурой для одновременного определения кратеров и изучения поверхности», — отметили исследователи.
Алгоритм команды достиг точности в 83,7%, что намного выше, чем у других методов.
Читайте также
Туманности, кометы и звездные ясли: показываем лучшие астрофотографии года
Данные со спутников-шпионов помогли выяснить причину таяния ледников в Азии
Коронавирус в пещере: все о китайских шахтерах, которые болели странной пневмонией в 2012 году