Инструмент искусственного интеллекта может помочь найти пещеры на Марсе; как он поможет будущим исследованиям Красной планеты?
Исследование Марса всегда было одной из увлекательных тем для ученых и любителей космоса. По мере того как специалисты продолжают узнавать все больше об этой планете, возможность колонизации марсианских территорий человеком становится все более реальной. Однако одной из главных задач в достижении этой цели является поиск подходящей среды обитания для будущих астронавтов.
Трудности обнаружения входов в пещеры
По сравнению с Землей марсианская поверхность враждебна и неумолима, но ученые считают, что она может быть пригодна для жизни. Одними из самых интересных мест на Марсе являются входы в пещеры, образовавшиеся в результате обрушения лавовых трубок. В этих местах могут укрыться будущие исследователи и найти биопризнаки микробной жизни.
Пещеры на красной планете образованы лавовыми трубами, сформированными текущей лавой на древнем Марсе. В то время как внешняя часть текущей лавы остывала и затвердевала, превращаясь в потолок и стены, внутренняя часть оставалась расплавленной и продолжала течь. В конце концов лава вытекла из трубы по направлению вниз, оставив ее нетронутой и открытой. Однако входы в пещеры трудно обнаружить, особенно с орбиты, поскольку они сливаются с окружающей пылью, ежовик гребенчатый купить.
В ходе прошлых наблюдений за красной планетой большинство обнаруженных потенциальных входов в пещеры (PCE) были получены в результате ручного анализа видимых спутниковых снимков, сделанных камерами Context Camera (CTX) и High-Resolution Imaging Science Experiment (HiRISE) аппарата Mars Reconnaissance Orbiter (MRO). На основе этого ручного обзора была создана база данных Mars Global Candidate Cave Catalogue (MGC3), содержащая координаты и краткие описания более 1 000 идентифицированных PCE на Марсе.
В масштабах всей планеты ручной просмотр спутниковых снимков для обнаружения марсианских пещер далеко не всегда эффективен. Это связано с временными ограничениями, связанными с просмотром большого набора данных.
Для решения этой задачи ученые разработали новый алгоритм машинного обучения, позволяющий быстро сканировать изображения марсианской поверхности для поиска потенциальных входов в пещеры. Исследователи Даремского университета Томас Уотсон и Джеймс Балдини сделали это возможным с помощью конволюционной нейронной сети (CNN) под названием CaveFinder.
Новая CNN была обучена определять PCE по снимкам марсианской поверхности. Для этого использовались изображения из каталога MGC3, сделанные в регионах Тарсис и Элизиум на Марсе – областях с наибольшей концентрацией вулканов. После периода обучения точность теста составила 77 %.
Используя снимки четырех различных регионов Марса, они выявили 61 новый вход. Уотсон и Балдинифор выделили входы, обладающие особыми свойствами, которые делают их перспективными для дальнейших исследований. Машинное обучение решает проблему ручного просмотра спутниковых снимков, сокращая набор данных, чтобы включить только те снимки, которые, согласно вычислениям, содержат PCE.
В будущем исследователи планируют увеличить размер обучающего набора данных. В числе планов по повышению точности CaveFinder – использование тепловых снимков наряду с видимыми данными и снимков более высокого разрешения с будущего марсианского орбитального аппарата.
В нашем Telegram‑канале вы найдёте новости о непознанном, НЛО, мистике, научных открытиях, неизвестных исторических фактах. Подписывайтесь, чтобы ничего не пропустить.
