Группа китайских исследователей разработала новую методику обработки космических снимков лунной поверхности, на основе которой удалось идентифицировать более ста тысяч неизвестных ранее кратеров. Для анализа изображений ученые использовали возможности искусственного интеллекта, позволившие создать наиболее полную базу данных, в которую вошли ударные образования в низких и средних широтах Луны. О результатах работы сообщает статья в издании Nature Communications.
История Луны, записанная в кратерах
Следы, оставшиеся после падения на лунную поверхность космических тел – одна из наиболее характерных особенностей рельефа нашей ближайшей космической соседки. Эти падения происходили с разной степенью интенсивности на протяжении всего времени существования Луны точно так же, как и на Земле. Однако, в отличие от нашей планеты, на которой следы древних импактных событий были уничтожены геологической активностью и выветриванием, лунные кратеры сохранились с самых отдаленных времен.
Тем не менее поверхность Луны все-таки не оставалась неизменной. В течение миллиардов лет она подвергалась космическому выветриванию под воздействием потоков частиц солнечного ветра и ударов микрометеоритов, а древние кратеры перекрывались более молодыми импактными образованиями. История событий, происходивших на поверхности Луны, записана в кратерах разного возраста, и по ней можно косвенно судить о метеоритной активности на Земле в различные эпохи и о процессах в Солнечной системе.
Историю Луны делят на пять крупных периодов, во время которых происходили важные геологические и космические события, отразившиеся на ее поверхности. В датировке их большую роль играет учет количества и распределения кратеров.
— Регулярная проверка качества ссылок по более чем 100 показателям и ежедневный пересчет показателей качества проекта.
— Все известные форматы ссылок: арендные ссылки, вечные ссылки, публикации (упоминания, мнения, отзывы, статьи, пресс-релизы).
— SeoHammer покажет, где рост или падение, а также запросы, на которые нужно обратить внимание.
SeoHammer еще предоставляет технологию Буст, она ускоряет продвижение в десятки раз, а первые результаты появляются уже в течение первых 7 дней. Зарегистрироваться и Начать продвижение
Легко ли распознать кратер
Казалось бы, имея в своем распоряжении достаточно подробные снимки лунной поверхности, селенологи могут без особых затруднений подсчитать, сколько кратеров на них располагается. Единственной проблемой при этом стали бы большие затраты времени.
Однако в действительности идентификация кратеров сопряжена с немалыми трудностями. Древние кратеры могут быть неоднократно перекрыты следами ударов, случившихся позднее, практически разрушены и погребены под выбросами породы из молодых кратеров. Распознавание сильно эродированных кратеров оказывается чрезвычайно трудной задачей, которая еще усложняется из-за субъективности человеческого восприятия изображений.
К настоящему времени Международный астрономический союз (МАС) признает в качестве официально открытых лунных кратеров ударного происхождения всего лишь 9137 объектов. В то же время каталоги содержат много неподтвержденных кратеров, существование которых остается под сомнением из-за отсутствия единой методики определения и противоречивости результатов.
Поможет нейросеть
Китайские исследователи в сотрудничестве с коллегами из Италии и Исландии решили прибегнуть к помощи системы искусственного интеллекта. Для распознавания кратеров на основе типичных характеристик и оценки их возраста они использовали глубокую нейронную сеть с алгоритмом трансферного обучения. Этот метод основан на применении знаний, полученных при выполнении одной задачи, для решения родственных задач.
Машинный интеллект учился выявлять кратеры с учетом больших (иногда на порядки) различий в диаметре и вариаций формы, возникающих из-за позднейшего перекрытия и заполнения веществом. При определении относительного возраста нейросеть научилась ориентироваться на степень деградации, которой подверглась морфология кратера. Для этого учитывались яркость, текстура породы, четкость края и стенок, число наложенных кратеров.
Нейронная сеть исследовала лунную поверхность по снимкам, полученным китайскими миссиями «Чанъэ-1» (работала на окололунной орбите в 2007–2009 годах) и «Чанъэ-2» (изучала Луну с орбиты в 2010–2011 годах). Эти изображения охватывают участки поверхности от 65° северной широты до 65° южной широты. Каждый участок был представлен в трех масштабах снимками размером 120×120 м с разрешениями 5000×5000 и 1000×1000 пикселей и размером 50×50 м с разрешением 1000×1000 пикселей. Смежные изображения перекрывались на 50 %.
— Разгрузит мастера, специалиста или компанию;
— Позволит гибко управлять расписанием и загрузкой;
— Разошлет оповещения о новых услугах или акциях;
— Позволит принять оплату на карту/кошелек/счет;
— Позволит записываться на групповые и персональные посещения;
— Поможет получить от клиента отзывы о визите к вам;
— Включает в себя сервис чаевых.
Для новых пользователей первый месяц бесплатно. Зарегистрироваться в сервисе
Самый полный каталог
Итогом работы стало выявление 117 240 кратеров. Диапазон размеров их огромен: от мелких образований диаметром около 900 метров до крупных кратеров поперечником свыше 500 километров. Большинство обнаруженных кратеров (около 88 %) не превышают 10 километров в диаметре. В среднем на распознавание одного кратера нейросеть затрачивала 0,17 секунды.
Подавляющая часть из этого множества ударных образований, распознанных машинным интеллектом, – 109 956 – ранее не были определены. Что касается уже известных кратеров, результат работы нейросети с достаточной степенью корректности отражает данные из официального каталога МАС.
Возраст удалось определить для 18 996 вновь обнаруженных объектов. Оказалось, что по давности образования эти кратеры распределены по всем пяти периодам геологической истории Луны: донектарскому (гиппарховскому), нектарскому (птолемеевскому), имбрийскому, эратосфенскому и коперниковскому. Таким образом, в их морфологии нашли отражение события, происходившие на протяжении более четырех миллиардов лет.
База данных, сгенерированная благодаря участию искусственного интеллекта, стала наиболее полным каталогом лунных кратеров на сегодняшний день и позволила построить самую подробную карту. Авторы статьи уверены, что примененная в новом исследовании методика может быть с успехом адаптирована для аналогичной обработки снимков поверхности других сильно кратерированных тел Солнечной системы.
Например, с ее помощью можно будет заметно продвинуться в изучении таких планет, как Марс, Меркурий, Венера, малой планеты Цереры и крупного астероида Весты. Участие нейросети в обработке космических снимков не только даст ученым огромный выигрыш времени, но и позволит извлечь существенно больше информации, чем обычный ручной анализ.
Нашли нарушение? Пожаловаться на содержание