Maschinengehirn als Kratersucher: Forscher haben 109.000 zuvor nicht markierte Mondkrater identifiziert – 15-mal mehr als zuvor aufgezeichnet. Die neue Kartierung wurde mit künstlicher Intelligenz durchgeführt, die darauf trainiert ist, Mondkrater zu erkennen. Solche Systeme können auch dazu beitragen, andere Himmelskörper abzubilden, wie Wissenschaftler in der Zeitschrift Nature Communications erklären.
Die Oberfläche des Mondes ist buchstäblich mit Einschlagskratern übersät, da aufgrund der fehlenden Atmosphäre auch kleinere Meteoriten ihre Spuren in der Mondreformation hinterlassen. Da es auch keine Erosion durch Wind, Wasser oder Vegetation gibt, bleiben die Krater manchmal Milliarden von Jahren. Es ist daher ein wichtiger Beweis für die Geschichte unseres Sonnensystems und zeigt zum Beispiel, wie sich die Häufigkeit der Auswirkungen geändert hat. Aber seine „Narben“ können auch viel über die Entwicklung des Mondes verraten.
Was macht das Mapping so schwierig?
Umso wichtiger ist es, die Krater des Mondes so vollständig und präzise wie möglich zu kennen. Bisher wurde jedoch nur ein Bruchteil aller Mondkrater erfasst. Die Internationale Astronomische Union (IAU) hat seit 1919 offiziell nur 9.137 Mondaufprallkrater anerkannt. Das Problem: Die große Anzahl und der Reichtum an Formen und Größen von Mondkratern machen es schwierig, Bilder der Mondoberfläche automatisch auszuwerten und abzubilden.
Krater auf dem Mond können einige Meter klein sein, aber sie können auch große Vertiefungen bilden, wie das Südpol-Aitken-Becken am Mond-Südpol. Je nach Alter sind sie manchmal mehr oder weniger verändert und werden durch jüngere Auswirkungen abgedeckt. Die vorhandenen Datenbanken der Mondkrater enthalten daher sehr unterschiedliche Informationen über die Gesamtzahl der Mondkrater. Eine vollständige Zuordnung existiert noch nicht.
Training mit Fotos von Chang’e 1 und 2
Eine mögliche Lösung konnten nun Chen Yang von der Jilin-Universität in Changchun, China, und seine Kollegen finden. Für ihre Studie trainierten sie eine künstliche Intelligenz, die auf einem neuronalen Netzwerk basiert, um Mondkrater in Bildern zu erkennen, die von den chinesischen Mondsonden Chang’e 1 und Chang’e 2 aufgenommen wurden.
Für sein Training erhielt das KI-System zunächst gut 5600 Aufnahmen in drei verschiedenen Auflösungen, in denen die bekannten Krater markiert waren. Die KI erhielt auch digitale Standortmodelle für dieselben Bereiche. Basierend auf diesen Daten lernte das KI-System unabhängig, welche Eigenschaften einen Mondkrater charakterisieren. Für die eigentliche Zuordnung erhielt das Programm zusätzliche Bilder, die es nun unabhängig zuordnen muss.
109.000 neue Krater entdeckt
Das Ergebnis: Der adaptive Algorithmus entdeckte etwa 117.200 Krater in den Bildern der Mondoberfläche mit einer Größe von 0,9 bis 5.323 Kilometern. Von diesen Mondkratern wurden zuvor 109.000 kartiert. „Dies sind fast 15-mal mehr Krater als zuvor identifiziert“, berichten Yang und sein Team. „88,14 Prozent davon haben einen Durchmesser von weniger als zehn Meilen.“
Der Vergleich mit vorhandenen Datenbanken zeigt eine gute Übereinstimmung mit den bereits bekannten Kratern und bestätigt die „bessere Sicht“ der KI: Bei Kratergrößen zwischen einem und 20 Kilometern lag die neue Kartierung systematisch über den älteren Daten. In einer ergänzenden Analyse gelingt es dem adaptiven System auch, das Alter von fast 19.000 größeren Kratern anhand ihrer Eigenschaften korrekt abzuschätzen.
Auch für Mars, Merkur und Co. geeignet.
Laut Wissenschaftlern eignet sich dieses System daher zur Erstellung einer neuen, umfangreicheren Datenbank und zur Kartierung von Mondkratern, insbesondere der äquatorialen und mittleren Breiten des Mondes. „Das Prinzip kann auch an andere Himmelskörper im Sonnensystem wie Mars, Merkur, Venus, Vesta oder Ceres angepasst werden und mehr semantische Informationen aus den Daten extrahieren als die üblichen manuellen Analysemethoden“, schreiben Yang und seine Kollegen. (Naturkommunikation, 2020; doi: 10.1038 / s41467-020-20215-y)
Quelle: Nature Communications
+ There are no comments
Add yours