ИИ научился искать места происхождения марсианских метеоритов
|
Миссия Mars Sample Return, если все пойдет по плану, принесет на Землю пробирки с тщательно отобранным марсианским грунтом не раньше 2031 года. Но в распоряжении исследователей уже есть многие килограммы, если не центнеры, подходящих для изучения образцов пород с Марса. Это метеориты, представляющие собой камни, выброшенные в космос в результате столкновения массивного тела с Красной планетой и долетевшие до нас. Одна беда: без понимания хотя бы региона происхождения, не говоря уже о конкретном месте на поверхности Марса, такие объекты предоставляют не слишком много полезной информации. |
Иными словами, их исследования позволяют обрисовать геологическую историю Красной планеты только самыми общими мазками. Тем не менее сотрудники Университета Кертин (Австралия) при участии специалистов из университетов Феликса-Уфуэ-Буаньи (Кот-д’Ивуар) и Тулузского федерального (Франция) нашли способ уточнить необходимые данные — определить, откуда именно астероиды выбили камни, ставшие марсианскими метеоритами. Научную работу с результатами своих изысканий они опубликовали в журнале Nature Communications. |
Идея ученых-планетологов заключается в следующем. Чтобы какая-то часть выброшенного в результате падения метеорита материала приобрела вторую космическую скорость, столкновение должно быть не слабее определенного предела. Причем, если добавить в уравнение массу марсианских обломков, добравшихся до Земли в более-менее сохранном виде, вышеупомянутый предел должен быть еще немного повыше. В итоге круг искомых кратеров на Красной планете сузился до сравнительно небольшой группы — их диаметр равен или превышает три километра. К тому же далеко не весь выброшенный при ударе материал улетает в космос: большая его часть падает обратно на поверхность, формируя вторичные кратеры диаметром в два-пять процентов от первичного. |
То есть импактное событие, которое породило марсианские метеориты, долетевшие до Земли, оставит на Красной планете вполне характерный след: сравнительно большой кратер с веером вторичных воронок вокруг. Они образуются при любых падениях небесных тел на планету или ее спутник, но в данном случае вторичные кратеры важны сразу для двух целей. Во-первых, определив их размеры и количество, можно уточнить мощность столкновения астероида с Марсом. А во-вторых, оценивая скорость эрозии большого количества появившихся практически одновременно кратеров, получится точнее установить их возраст. |
В итоге задача определения источника марсианских метеоритов сводится к четкой последовательности действий. Сначала устанавливаем возраст добравшегося до Земли камня и примерное время его выброса с поверхности Красной планеты, а также то, сколько он болтался в космосе. Это человечество уже научилось делать с высокой точностью. Далее — смотрим на Марс и ищем кратеры, подходящие под временные рамки исходного импактного события. Выглядит просто, но как только выясняются объемы необходимых для обработки данных, любому человеку становится дурно. Зато искусственный интеллект чувствует себя в таких задачах как рыба в воде. Именно его и задействовали австралийские специалисты. |
Они выбрали конкретную группу марсианских метеоритов определенного класса — шерготтиты. Это камни, похожие на упавший в 1865 году около индийского города Шергатти и произошедший из вулканического района Красной планеты. Всего на Земле обнаружено 277 подтвержденных марсианских метеоритов, большинство из которых — как раз шерготтиты. Но ученые сфокусировали свое внимание на еще более узком классе объектов, которые были выбиты из поверхности Марса 1,1 миллиона лет назад (± 200 тысяч лет). На следующем этапе исследования началось самое интересное: поиск кратера подходящего возраста. |
Проблема в том, что полные наборы снимков Марса в необходимом для поиска кратеров нужного размера разрешении (три километра найти несложно, а вот вторичную мелочь диаметром 75-300 метров уже трудновато) представляют собой колоссальные объемы информации. Речь о десятках терабайт, что в случае обработки человеческими усилиями представляется поистине титанической работой на несколько лет, а то и декад. Но в прошлом году был разработан нейросетевой алгоритм для поиска кратеров (The Crater Detection Algorithm, CDA), который ученые просто модернизировали и переобучили на более высокое разрешение. |
Эта задача была непростой и потребовала использования мощностей Суперкомпьютерного центра Pawsey — наиболее производительного в Южном полушарии. Зато в итоге искусственный интеллект научился определять кратеры почти любых размеров, отличать их от других кольцеобразных геологических формаций, а также учитывать степень эрозии. Получившуюся нейросеть «натравили» на снимки, сделанные камерами HiRISE и CTX за 15 лет работы аппарата Mars Reconnaissance Orbiter. Результатом ее анализа стали два кратера на поверхности Марса, наиболее подходящие на роль источников выбранной группы марсианских метеоритов. |
Это кратеры Тутинг (Tooting) и 09-00015, расположенные в провинции Фарсида — крупнейшем вулканическом нагорье Марса. Активные извержения происходили там всего 300 миллионов лет назад, что по геологическим меркам буквально вчера. Выводами научной работы стали сразу несколько интересных мыслей. Перво-наперво гипотеза, согласно которой выбранные австралийскими специалистами шерготтиты произошли в результате образования кратера Мохаве, не подтвердилась. Найденные искусственным интеллектом объекты подходят гораздо лучше по целому ряду признаков, в том числе по возрасту. |
Ну и, естественно, ученые не преминули попробовать проанализировать марсианские метеориты снова, уже в привязке к месту их происхождения. Выяснилось много любопытных фактов. Оказывается, в такой перспективе можно предположить наличие аномалии в мантии Марса под Фарсидой. Ее природа под большим вопросом, но иных причин, почему в этом регионе недавно была так высока вулканическая активность и как в местных породах сформировались столь специфические камни (ставшие шерготтитами), представить пока не получается. |
Что интересно, модернизированный CDA можно использовать не только для поиска мест происхождения марсианских метеоритов. В усовершенствованном виде этот нейросетевой алгоритм легко переобучается под самые разные атрибуты поверхности небесных тел. Фактически его можно адаптировать для анализа любых снимков с орбиты вокруг планеты или ее спутника. И заниматься быстрым поиском, например, следов стихийных бедствий — лесных пожаров, наводнений или землетрясений. Перспективы огромные, на что авторы исследования делают особый акцент. |
Источник |
При использовании материалов с сайта активная ссылка на него обязательна
|