kozmos.hr
Jeste li znali?

Umjetna inteligencija detektirala 100 000 nepoznatih Mjesečevih kratera

objavljeno

Umjetna inteligencija ponovno nas je iznenadila svojim mogućnostima.

Tijekom više milijardi godina, na Mjesec je palo preko tisuće meteora ostavljajući za sobom velike kratere. Trenutno ne znamo točan broj kratera, ali polako i sigurno popunjavamo rupe u našem znanju.

Nedavno su kineski znanstvenici istraživali svoje podatke koristeći umjetnu inteligenciju kako bi izbrojali kratere s raznih fotografija. Otkrili su preko 109 000 kratera koji se međusobno razlikuju po obliku i starosti.

Temeljem podataka, znanstvenici su došli do vrlo interesantnih podataka o kojima će biti riječi kasnije. Istraživači također planiraju unaprijediti rad umjetne inteligencije u budućnosti. Krenimo redom.

Kako je umjetne inteligencija otkrila preko 100 000 novih kratera na Mjesecu?

Za početak istraživači su koristili veliki baze podataka o Mjesecu kako bi izbrojili kratere. Brojne fotografije lunarne površine snimljene su tijekom kineskih misija u svemir.

Tim znanstvenika koji je predvodio Chen Yang, programirali su neuralnu mrežu da prepozna već otkrivene kratere. S obzirom da je imala predodžbu kako krateri inače izgledaju, umjetna inteligencija  je sada bila u stanju detektirati ih na potpuno novim fotografijama.

Ovo su novootkriveni krateri iz prenektarijanskog sustava. To znači da je njihova starost najmanje 3,92 milijardi godina. Izvor: Chen Yang.

Pojedinačno brojanje rukom trajalo bi predugo. Depresije na površini Mjeseca međusobno se razlikuju i teško je golim okom analizirati fotografiju kako bi otkrili nalazi li se krater na određenom prostoru ili ne.

No za kompjuter je to vrlo lagan posao koji može obaviti s velikom preciznošću. Uspio je razotkriti gotovo 109 956 novih kratera.

Novi krateri iz nektarijanskog sustava, starosti 3,92-3,85 milijardi godina. Izvor: Chen Yang.

Znanstvenici su izjavili kako se radi o vrlo sitnim kraterima, no u usporedbi sa onim zemaljskima zapravo su giganti promjera od 1 do 100 kilometara.

Umjetna inteligencija pronašla je nekoliko kratera od oko 550 kilometara. Isprve su bili manji, ali zbog neobičnih oblika i odrona tla, došlo je do njihovog povećanja.

Mjesečevi krateri iz Imbrijanskog sustava, 3,85-3,2 milijardi godina starosti. Izvor: Chen Yang.

S obzirom na veličinu i dubinu, znanstvenici su uspjeli odrediti doba nastajanja kratera. Među njima je bilo i onih koji su nastali prije 4 milijardi godina odnosno tijekom formiranja Zemlje. Tada je mnogo meteora palo i na samu Zemlju.

Budućnost umjetne inteligencije i istraživanja svemira

Novootkriveni krateri iz eratostenijskog sustava – 3,2-1,1 milijardi godina stari. Izvor: Chen Yang.

Vjerojatno postoji još mnogo kratera za koje nismo ni svjesni. Nedavno je kineska Chang’e 5 misija prikupila nove podatke o Mjesečevoj površini.

Znanstvenici žele iskoristiti ta saznanja uz pomoć umjetne inteligencije. Smatra se da ćemo tako doći do preciznijih otkrića te da će kompjuter otkriti još kratera. Mogli bismo prebrojati kratere i na drugim planetima poput Marsa.

Svi krateri na slici oblikovani su prije 1,1 milijardu godina. Radi se o kopernikanskom sustavu. Izvor: Chen Yang.

Proučavanjem oblika i starosti krateri, stručnjaci mogu doći do novih spoznaja o razvoju Sunčevog sustava. U najgorem slučaju, moći ćemo shvatiti koji su meteori pali na Mjesec i druge planete te njihove posljedice.

Ne treba zaboraviti da će u budućnosti ljudi biti u stanju graditi baze na Mjesecu i Marsu. Prije putovanja, važno je znati što se tamo nalazi i što predstavlja potencijalnu ugrozu novim kolonijama. Informacije o tome pomoći će nam da odaberemo lokaciju za izgradnju struktura.

Pridružite se raspravi u našoj Telegram grupi. KOZMOS Telegram-t.me/kozmoshr

Izvori:

• Pester, P. (2020, December 22). Moon has way (way) more craters than we thought.
• Researchers identify over 109,000 impact craters on moon. (n.d.).
• Yang, C., Zhao, H., Bruzzone, L., Benediktsson, J., Liang, Y., Liu, B., . . . Ouyang, Z. (2020, December 22). Lunar impact crater identification and age estimation with Chang’E data by deep and transfer learning.

Ja sam Matija Klarić.
Student sam Ekonomskog fakulteta, a u slobodno se vrijeme bavim volonterstvom te istraživanjem, čitanjem i pisanjem o mojim omiljenim temama; svemiru, astronomiji, astrofizici i tehnologiji.