Die Oberfläche des Mondes erzählt die Geschichte des inneren Sonnensystems. Jeder Meteorit, der einschlägt, hinterlässt seine Spuren, und zusammen dokumentieren diese Krater die Ereignisse, die sich in den letzten 4 Milliarden Jahren auf und um den Mond ereignet haben.
Aber die Aufzeichnung kann schwer zu lesen sein. Das Alter und die räumliche Dichte von Kratern sind wichtige Messgrößen für die Entschlüsselung der Einschlagsgeschichte des Mondes. Die Analyse dieser Eigenschaften kann jedoch zeitaufwändig sein und erfordert manchmal die Rückführung von Proben zur Erde.
JH Fairweather und Kollegen zeigen in einem Artikel, der in veröffentlicht wurde Erd- und Weltraumwissenschaften, dass maschinelles Lernen eine schnelle und einfache Möglichkeit sein könnte, unser Verständnis von Mondkratern zu verbessern. Durch das Training eines Algorithmus anhand von mehr als 50.000 Bildern zuvor charakterisierter Krater konnten die Forscher das Alter und die Dichte vieler weiterer zahlreicher Markierungen auf dem Mond abschätzen.
Zunächst unterschieden sich die Schätzungen des maschinellen Lernalgorithmus erheblich von denen, die andere Forscher manuell abgeleitet hatten. Aber mit ein wenig manueller Kuratierung konnten Fairweather und seine Kollegen ihre automatisierten Schätzungen des Krateralters und der Kraterdichte mit früheren Schätzungen in Einklang bringen.
Ein Problem stellten die Lichtverhältnisse dar. Wenn Krater teilweise von Felsen beschattet wurden oder sich an ungleichmäßig beleuchteten Hängen befanden, hatte der Algorithmus Schwierigkeiten, sie genau zu analysieren. Der Ausschluss solcher Krater verbesserte die Genauigkeit. Das Vorhandensein von Steinen oder vergrabenen Kratern führte auch dazu, dass der Algorithmus das Krateralter um 10–45 % überschätzte, aber er konnte das Alter junger Mondoberflächen und Einschlagskrater sehr genau bestimmen, sobald Steine, vergrabene Krater und andere unerwünschte Objekte von der Mondoberfläche entfernt wurden Bilder.
Die Forscher weisen darauf hin, dass maschinelles Lernen zwar eine Fülle von Informationen über die Mondoberfläche liefern kann, die Algorithmen jedoch dennoch einer sorgfältigen Überwachung bedürfen.
Mehr Informationen:
JH Fairweather et al, Altersableitung des Mondoberflächenmodells: Vergleiche zwischen automatischer und menschlicher Kraterzählung unter Verwendung von LRO-NAC- und Kaguya TC-Bildern, Erd- und Weltraumwissenschaften (2023). DOI: 10.1029/2023EA002865
Diese Geschichte wurde mit freundlicher Genehmigung von Eos, gehostet von der American Geophysical Union, erneut veröffentlicht. Lesen Sie die Originalgeschichte Hier.