使用人工智能在月球上尋找能源和礦物質(zhì)

一種創(chuàng)新的月球掃描技術(shù)可以從望遠鏡圖像中自動對關(guān)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(chǎn)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(jié)為最令人鼓舞的潛在建筑地點，以及可用的礦產(chǎn)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(chǎn) 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(gòu)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(diào)。 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(gòu)建一個大型、 高質(zhì)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?！拔覀兺ㄟ^構(gòu)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(gòu)，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(shù)。