Ein KI-Tool zum Scannen von Sandkörnern öffnet Fenster in die jüngste Zeit und die tiefe Vergangenheit

Stanford-Forscher haben ein auf künstlicher Intelligenz basierendes Tool namens SandAI entwickelt, das die Geschichte von Quarzsandkörnern über Hunderte Millionen Jahre zurück enthüllen kann. Mit SandAI können Forscher mit hoher Genauigkeit feststellen, ob Wind, Flüsse, Wellen oder Gletscherbewegungen Sandkörnchen geformt und abgelagert haben.

Das Tool bietet Forschern ein einzigartiges Fenster in die Vergangenheit für geologische und archäologische Studien, insbesondere für Epochen und Umgebungen, in denen nur wenige andere Hinweise wie Fossilien über die Zeit erhalten geblieben sind. Der Ansatz von SandAI, die sogenannte Mikrotexturanalyse, kann auch bei modernen forensischen Untersuchungen zu illegalem Sandabbau und verwandten Themen hilfreich sein.

„Die Arbeit an Sedimentablagerungen, die nicht gestört oder deformiert wurden, kommt dem Sitzen in einer Zeitmaschine am nächsten – man sieht genau, was sich auf der Erdoberfläche befand, sogar vor Hunderten von Millionen Jahren. SandAI fügt den Informationen, die wir daraus gewinnen können, eine weitere Detailebene hinzu“, sagte Michael Hasson, ein Doktorand bei Mathieu Lapôtre, einem Assistenzprofessor für Erd- und Planetenwissenschaften an der Stanford Doerr School of Sustainability.

Hasson ist der Hauptautor einer neuen Studie, die das Werkzeug demonstriert. veröffentlicht In Verfahren der Nationalen Akademie der Wissenschaften.

Verräterische Signaturen

In der Vergangenheit wurde die Mikrotexturanalyse per Hand und Auge durchgeführt, wobei man mit Lupen und Mikroskopen versuchte, Rückschlüsse auf die Geschichte der Sandkörner zu ziehen.

Die moderne Wissenschaft hat diesen Ansatz bestätigt und gezeigt, dass Transportmechanismen tatsächlich verräterische Signaturen hinterlassen. So erscheinen Körner, die weiter gereist sind, oft runder, weil ihre scharfen Ecken abgestumpft sind. Auch Wellen und Wind hinterlassen charakteristische Abriebmuster.

Die herkömmliche Mikrotexturanalyse ist jedoch höchst subjektiv, zeitaufwändig und uneinheitlich in Bezug auf verschiedene Studien. Dank des neuen Tools, das die Leistungsfähigkeit des maschinellen Lernens nutzt, um mikroskopische Bilder von Sandkörnern eingehend zu untersuchen, kann die Mikrotexturanalyse nun weitaus quantitativer, objektiver und potenziell für eine breite Palette von Anwendungen nützlicher sein. Außerdem analysiert es einzelne Sandkörner, anstatt mehrere Körner in eine einzige Kategorie zu werfen, und bietet so eine umfassendere Bewertung.

„Anstatt dass ein Mensch die Sandkörner durchgeht und entscheidet, welche Textur sie haben und welche nicht, nutzen wir maschinelles Lernen, um die Mikrotexturanalyse objektiver und präziser zu gestalten“, sagte Lapôtre, der leitende Autor des Artikels. „Unser Tool öffnet Türen für Anwendungen der Mikrotexturanalyse, die vorher nicht verfügbar waren.“

Weltweit ist Sand nach Wasser die am häufigsten genutzte Ressource und spielt in der Bauindustrie eine entscheidende Rolle. Materialien wie Beton, Mörtel und einige Putze benötigen kantigen Sand für eine gute Haftung und Stabilität. Die Herkunft des Sandes zu ermitteln, um eine ethische und legale Beschaffung sicherzustellen, ist jedoch eine Herausforderung, daher hoffen die Forscher, dass SandAI die Rückverfolgbarkeit verbessern kann. Beispielsweise könnte SandAI Forensikern dabei helfen, illegalen Sandabbau und Baggerarbeiten zu bekämpfen.

Training des Tools

Für die Entwicklung von SandAI verwendeten die Forscher ein neuronales Netzwerk, das auf ähnliche Weise „lernt“ wie das menschliche Gehirn. Dabei stärken richtige Antworten die Verbindungen zwischen künstlichen Neuronen oder Knoten im Programm, sodass der Computer aus seinen Fehlern lernen kann.

Mit Hilfe von Mitarbeitern aus der ganzen Welt hat Hasson Hunderte von Rasterelektronenmikroskop-Bildern von Sandkörnern zusammengestellt, die Material aus den häufigsten terrestrischen Umgebungen darstellen: fluvial (Flüsse und Bäche), äolisch (windverwehte Sedimente wie Sanddünen), glazial und vom Strand.

„Wir wollten, dass diese Methode über geologische Zeiträume hinweg funktioniert, aber auch in der gesamten Geografie, die wir auf der Erde haben“, sagte Hasson. „So wurde zum Beispiel die Klasse der windverwehten Dünen so konzipiert, dass sie Beispiele enthält, die nass und trocken, groß und klein sind. Wir mussten die Klassen so vielfältig wie möglich gestalten.“

SandAI analysierte diesen Satz von Bildern, um sich selbst darin zu trainieren, die Geschichte der Sandkörner anhand von Merkmalen vorherzusagen, die menschliche Forscher möglicherweise nie erkennen würden. Das Tool machte natürlich Fehler und verbesserte sich dann schrittweise. Als SandAI eine robuste Vorhersagegenauigkeit von 90 % erreichte, führten die Forscher neue Proben ein, die das Modell zuvor nicht gesehen hatte.

Mit Bildern von Sandsteinen aus gut charakterisierten Umgebungen, die von der heutigen Zeit bis vor etwa 200 Millionen Jahren in die Jurazeit zurückreichen, lieferte SandAI gute Ergebnisse und konnte die Transportgeschichte der Körner korrekt aufklären.

Neue Wissenschaft und Anwendungen

Als nächstes stellten die Forscher das Werkzeug mit Bildern von Sandkörnern in Norwegen unter Beweis, die mehr als 600 Millionen Jahre zurückreichen, aus dem Cryogenium. Besser bekannt als die Zeit der „Schneeball-Erde“, war dies die Zeit, in der Eisschichten den gesamten Planeten bedeckten, bevor sich Pflanzen und Tiere entwickelten. Der Ursprung der fraglichen Probe, genannt Bråvika-Member, ist umstritten, wobei verschiedene Forschungsgruppen zu unterschiedlichen Schlussfolgerungen kamen.

„Mit dieser kryogenen Probe haben wir gesehen, wie weit wir SandAI voranbringen und es wirklich für neue wissenschaftliche Erkenntnisse nutzen können, anstatt nur zu überprüfen, ob das Tool funktioniert“, sagte Hasson.

Interessanterweise vermutete SandAI, dass die alten Sandkörner als Teil einer windverwehten Sanddüne geformt und abgelagert worden waren – was mit einigen manuellen Mikrotexturstudien übereinstimmt. Da das Tool zudem einzelne Sandkörner analysiert, statt mehrere Körner in eine einzige Kategorie zu packen, kamen weitere Details ans Licht.

Während die dominante Signatur tatsächlich auf Windtransport hindeutete, wies eine sekundäre Signatur, die mit manuellen Techniken wahrscheinlich übersehen worden wäre, auf Gletschersand hin. Zusammen zeichnen diese Signale das Bild von Sanddünen, die irgendwo in der Nähe eines Gletschers verlaufen, wie man es während der Schneeball-Erde durchaus erwarten konnte.

Um diese Erkenntnisse weiter zu untersuchen, suchten Hasson und seine Kollegen nach einem möglichen modernen Analogon dieser kryogenischen geologischen Szene. Die Forscher ließen windverwehte Sandkörner aus der Antarktis durch SandAI laufen und kamen tatsächlich zum gleichen Ergebnis.

„Diese Ergebnisse von SandAI legen nahe, dass die Antarktis tatsächlich ein gutes modernes Analogon zu der Umgebung ist, die das Bråvika-Mitglied darstellt“, sagte Hasson. „Sie sind ein wirklich starker Beweis dafür, dass das Signal, das wir von den kryogenischen Ablagerungen erhalten haben, kein Zufallstreffer ist.“

Die Forscher haben SandAI online verfügbar für jedermann nutzbar. Sie planen, es auf der Grundlage von Benutzerfeedback weiterzuentwickeln und freuen sich darauf, das Tool in verschiedenen Kontexten eingesetzt zu sehen.

„Die Tatsache, dass wir nun detaillierte Schlussfolgerungen über geologische Ablagerungen liefern können, die vorher nicht bekannt waren, finde ich irgendwie überwältigend“, sagte Hasson. „Wir freuen uns darauf, zu sehen, was SandAI sonst noch leisten kann.“