Slagkratere holder hemmeligheden bag månens tidlige historie.Michael Weidner / Unsplash Vi ved allerede, at månen har en meget ujævn overflade. Men et nyt krater-spotting-værktøj drevet af kunstig intelligens fandt ud af, at månens overflade er endnu mere robust, end vi troede.
I en undersøgelse offentliggjort i tidsskriftet Naturkommunikation denne uge, en internationalteam af forskere fra Kina, Italien og Islandidentificeret og kortlagt placeringenover 109.000 nye kratere i lav- og mellembreddegraderne på månen ved hjælp af en maskinlæringsalgoritme, der er trænet med data indsamlet af kinesiske månebaner.
Antallet er overraskende større end hvad forskere tidligere har talt i hånden.At tælle og kortlægge kratere på månen har altid været en langsom og omhyggelig proces. Det involverer traditionelt forskere, der studerer teleskopbilleder og overfører deres observationer til kort eller måneklodser. Da månekratere kan variere dramatisk i størrelse, form og alder, kan processen også være subjektiv, hvilket fører til uoverensstemmelser mellem eksisterende databaser.
Se også: NASA annoncerer, at der er fundet vand på månen
Alle disse problemer løses nu med kunstig intelligens. I den nye undersøgelse uddannede forskere ledet af Chen Yang, en jordvidenskabsprofessor ved Jilin University i Kina, et dybt neuralt netværk med data fra tusinder af tidligere identificerede månekratere. Når systemet først havde lært det grundlæggende i kratere, blev det fodret med data indsamlet af Kinas Chang'e-1 og Chang'e-2 månebane for at lede efter nye.
Det er den største månekraterdatabase med automatisk udvinding til mellem- og lavbreddegrupper på månen, fortalte Yang WordsSideKick.com denne uge.
Stødkratere på månen dannes under meteor strejker tidligt i Jordens og månens dannelse. De er månens ækvivalenter med fossiler, sagde Yang, der registrerer solsystemets historie.
Størstedelen af de nyligt identificerede kratere har en diameter på mellem 1 og 100 kilometer. Astronomer har tidligere talt om 5.000 kratere større end 12 miles i diameter.
Yangs team planlægger at forbedre algoritmen yderligere ved at føre data fra Chang'e 5-landeren, som for nylig bar måneprøver tilbage til Jorden. Programmet kunne også bruges til at studere andre objekter i solsystemet, såsom planeter og store måner.
