Новости космоса и технологий. » Космос и астрономия » AI помогает ученым открывать свежие кратеры на Марсе

AI помогает ученым открывать свежие кратеры на Марсе

Опубликовал: Admin, 2-10-2020, 01:01, Космос и астрономия, 444, 0

AI помогает ученым открывать свежие кратеры на Марсе

Где-то в период с марта 2010 года по май 2012 года метеор пролетел по марсианскому небу и разлетелся на части, врезавшись в поверхность планеты. Образовавшиеся кратеры были относительно небольшими - всего 13 футов (4 метра) в диаметре. Чем меньше объекты, тем труднее их обнаружить с помощью орбитальных аппаратов Марса. Но в этом случае - и впервые - ученые заметили их с небольшой дополнительной помощью: искусственным интеллектом (ИИ).

Это важная веха для планетологи и исследователи искусственного интеллекта из Лаборатории реактивного движения НАСА в Южной Калифорнии, которые вместе работали над разработкой инструмента машинного обучения, который помог сделать это открытие. Это достижение дает надежду как на экономию времени, так и на увеличение объема находок.

Обычно ученые проводят часы каждый день, изучая изображения, полученные с помощью орбитального аппарата NASA Mars Reconnaissance Orbiter (MRO), в поисках изменяющихся явлений на поверхности, таких как пылевые дьяволы, лавины и смещающиеся дюны. За 14 лет работы орбитального аппарата на Марсе ученые полагались на данные MRO, чтобы найти более 1000 новых кратеров. Обычно они сначала обнаруживаются с помощью контекстной камеры космического корабля, которая занимает изображения с низким разрешением покрывая сотни миль за раз.

На этих изображениях будут выделяться только следы взрыва вокруг места удара, а не отдельные воронки, поэтому следующим шагом будет более внимательное изучение с помощью научного эксперимента по визуализации изображений высокого разрешения или HiRISE. Инструмент настолько мощный, что может видеть детали так же хорошо, как следы, оставленные марсоходом Curiosity. (Команда HiRISE позволяет любому, включая представителей общественности, запрашивать определенные изображения через свою страницу HiWish.)

Этот процесс требует терпения, и исследователю требуется около 40 минут для тщательного сканирования одного изображения с контекстной камеры. Чтобы сэкономить время, исследователи Лаборатории реактивного движения создали инструмент, названный автоматизированным свежим воздействием кратер классификатор - как часть более широких усилий JPL под названием COSMIC (Сбор данных на борту для отслеживания изменения изображения), которые разрабатывают технологии для будущих поколений орбитальных аппаратов Марса.

Изучение ландшафта

Чтобы обучить классификатор кратеров, исследователи предоставили ему 6830 изображений с контекстной камеры, включая изображения мест с ранее обнаруженными ударами, которые уже были подтверждены с помощью HiRISE. В инструмент также были загружены изображения без свежих воздействий, чтобы показать классификатору, чего не следует искать.

После обучения классификатор был развернут во всем репозитории Context Camera, содержащем около 112000 изображений. Работа на суперкомпьютерном кластере в JPL, состоящем из десятков высокопроизводительных компьютеров, которые могут работать согласованно друг с другом, процесс, который занимает у человека 40 минут, в среднем занимает у инструмента искусственного интеллекта всего пять секунд.

Одна из задач заключалась в том, чтобы выяснить, как запустить до 750 копий классификатора одновременно во всем кластере, сказал компьютерный ученый JPL Гэри Доран. «Было бы невозможно обработать более 112000 изображений в разумные сроки без распределения работы по множеству компьютеров», - сказал Доран. «Стратегия состоит в том, чтобы разделить проблему на Более мелких частей , Которые можно решить параллельно».

Но, несмотря на всю эту вычислительную мощность, классификатор по-прежнему требует, чтобы человек проверял его работу.

«Искусственный интеллект не может проводить такой квалифицированный анализ, как ученый, - сказал компьютерный ученый JPL Кири Вагстафф. «Но такие инструменты, как этот новый алгоритм, могут быть их помощниками. Это открывает путь к захватывающему симбиозу людей и« исследователей »ИИ, работающих вместе для ускорения научных открытий».

26 августа 2020 года HiRISE подтвердил, что темное пятно, обнаруженное классификатором в области под названием Noctis Fossae, на самом деле было скоплением кратеров. Команда уже представила более 20 дополнительных кандидатов HiRISE для проверки.

Хотя этот классификатор кратеров работает на компьютерах, связанных с Землей, конечной целью является разработка аналогичных классификаторов, предназначенных для использования на борту будущих орбитальных аппаратов Марса. Прямо сейчас данные, отправляемые на Землю, требуют от ученых просеивания, чтобы найти интересные изображения, что очень похоже на попытку найти иголку в стоге сена, сказал Майкл Мундж, аспирант Технологического института Джорджии, который работал над классификатором в качестве стажера в JPL. .

«Есть надежда, что в будущем ИИ сможет уделять приоритетное внимание орбитальным изображениям, которые, скорее всего, будут интересовать ученых», - сказал Мунже.

Ингрид Даубар, ученый, работавший в Лаборатории реактивного движения и Брауновском университете, которая также принимала участие в работе, надеется, что новый инструмент сможет предложить более полную картину того, как часто метеоры попадают на Марс, а также выявить небольшие удары в областях, где они не были. обнаружил раньше. Чем больше кратеров обнаружено, тем больше ученые добавляют к совокупности знаний о размере, форме и частоте падения метеоров на Марс.

«Вероятно, существует гораздо больше ударов, которых мы еще не обнаружили», - сказала она. «Этот прогресс показывает вам, как много вы можете сделать с помощью ветеранских миссий, таких как ТОиР, используя современные методы анализа».


Источник


У данной публикации еще нет комментариев. Хотите начать обсуждение?

Написать комментарий
Имя:*
E-Mail:
Введите код: *
Кликните на изображение чтобы обновить код, если он неразборчив


Поиск по сайту
Полезные ссылки
Оцените работу сайта

TEHNONEWS

Новости космоса технологий нанотехнологий физики и химии