使用人工智能在月球上尋找能源和礦物質

一種創(chuàng)新的月球掃描技術可以從望遠鏡圖像中自動對關鍵的月球元素進行分類，這可能會大大提高選擇 具有能源和礦產資源的地點以及進行勘探的能力。  

在月球上選擇著陸和探索地點的過程實際上非常復雜。月球表面的可觀測區(qū)域比俄羅斯國土面積還要大，以數(shù)千個隕石坑為標志，并由峽谷般的小溪交織在一起。

在月球上尋找有價值的礦物和能源

未來登陸和勘探地點的選擇可能歸結為最令人鼓舞的潛在建筑地點，以及可用的礦產和能源資源。然而，用肉眼搜索如此廣闊的區(qū)域，例如尋找?guī)装倜讓挼奶卣?，是艱巨的并且經(jīng)常出錯，因此很難選擇理想的探索區(qū)域。

現(xiàn)與香港中文大學合作已經(jīng)利用機器學習和人工智能來自動檢測和分類可能的登月和 礦產 豐富的勘探區(qū)域。

“我們正在尋找像隕石坑和小溪這樣的月球特征，它們被認為是鈾和氦 3 等能源的熱點—這是一種很有前途的核聚變資源”?！皟烧叨荚谠虑螂E石坑中被發(fā)現(xiàn)，可能是補充航天器燃料的有用資源。”

使用人工智能優(yōu)化搜索

機器學習提供了一種非常有效的方法來訓練 人工智能 模型以自行搜索特定特征。然而，在開發(fā)方法時面臨著許多挑戰(zhàn)，這些困難中的第一個是沒有標記的 rilles 數(shù)據(jù)集可以用來教授他們的模型。

“我們通過構建我們自己的帶有火山口和小溪注釋的訓練數(shù)據(jù)集克服了這一挑戰(zhàn)，為此，我們使用了一種稱為遷移學習的方法，在表面裂紋數(shù)據(jù)集上預訓練我們的 Rille 模型，并 使用實際的 Rille 掩碼進行微調。 以前的方法需要對至少部分輸入圖像進行手動注釋，我們的方法不需要人工干預，因此允許我們構建一個大型、 高質量的數(shù)據(jù)集。”

研究人員面臨的另一個困難是建立一種計算方法的能力，該方法可用于同時探測隕石坑和細溝，這是以前從未實現(xiàn)過的。

“這是一個像素到像素的問題，我們需要準確地掩蓋月球圖像中的隕石坑和細溝。“我們通過構建一個名為 high-resolution-moon-net 的深度學習框架解決了這個問題，該框架有兩個獨立的網(wǎng)絡，它們共享相同的網(wǎng)絡架構，以同時識別隕石坑和小溪?！?

研究人員的新方法實現(xiàn)了驚人的準確率，高達 83.7%，遠高于目前最先進的隕石坑探測技術。