【月球殖民靠AI】神经网络发现7000个新陨石坑,人类2030年或找到月球定居点

简介: 最近,美国和加拿大的研究人员用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。未来,人类将有可能在这些陨石坑巨大的阴影下建立月球基地。

人类离开地球后的第一个家园可能很快就会被找到。

最近,美国宾夕法尼亚州立大学的Ari Silburt和加拿大多伦多大学的Mohamad Ali-Dib领导的研究小组,利用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。

专家说,未来,人类可以在陨石坑巨大的阴影下建立月球基地,这样可以保护殖民者免受太阳辐射的危险。

人工神经网络识别9万张图像,数小时发现6883个新陨石坑

过去,人们在计算月球上的陨石坑时,需要手动查看图像,找到并计算陨石坑的数量,然后根据图像大小计算它们的实际大小。

研究人员也曾尝试过开发算法来识别和计算月球陨石坑,但是当它们用于新的、以前看不见的陨石坑时,往往表现不佳。

02032b997e9ed743db86447a266b5a08137ccf84

Ali-Dib和他的同事开发的算法可以很好地发现不容易识别的月球,甚至水星等其他星球上的陨石坑。

该算法经过训练以识别火山口的边缘,然后对照先前发现的火山口的数据库进行检查,算法使用这些信息来确认新的形状符合已知的火山口形状。这使得算法可以区分陨石坑和其他地质形状,包括山脉和山脊。

为了确定其准确性,研究团队首先在覆盖三分之二的月球的大型数据集上训练神经网络,然后在余下三分之一的月球上测试他们的训练网络。最终的结果表现非常好,它能够识别两倍于传统手动计数的陨石坑。而实际上上,它能够在月球上识别出约7000个以前不明的陨石坑。

492ae18b7768320b80b99b846c23a538aa510463

专家将90000幅月球表面图像输入到人造神经网络,并对图像进行分类并确定直径大于5公里的陨石坑。这张图片显示了AI在非月亮照片上的识别能力。

e7bfda5cb2d8e4a7595fcd0e79924fb0a0f9449a

当机器进行测试时,它找到了6883个新陨石坑,使这个尺寸的已知陨石坑总数增加了一倍。该图像显示原始图像(左),AI对火山口位置(中心)的预测以及这些预测叠加在原始图像上(右图)

238130b7e40633ac5266ac595118e1db70f1076d

然而,人工智能确实不时出现失误,错误地识别出了一些陨石坑,而忽略了其他的陨石坑。大约四分之一正确识别的陨石坑的真实位置没有显示(红色)

Silburt博士说,一旦模型有了更多的改进,AI就可以用来发现成千上万、身份不明的5公里以下的陨石坑。

未来,Ali-Dib表示计划将进一步改进算法,使研究人员能够找到更多的陨石坑,并在其他太阳系体如火星、谷神星(Ceres)、木星和土星的卫星上使用。

通过陨石坑研究太阳系,2030年人类登月找到定居点?

了解陨石坑在月球上的大小和位置非常重要,因为它为我们的太阳系历史提供了一个研究窗口。 Ali-Dib指出,通过研究各种形状、大小和年龄的撞击坑,研究人员可以更好地了解太阳系早期发生的物质分布和物理现象。

由于月球没有大气、板块构造和水,所以几乎没有受到地表侵蚀,因此一些陨石坑的形成时间可以达到40亿年。大陨石坑的年龄也可以通过计算里面有多少个小陨石坑来确定。

793f5c0450d333490fea020efd8df90bee8ba413

LRO拍摄的月球陨石坑

这次研究使用的许多图像是通过美国国家航空航天局的月球侦察轨道飞行器(Lunar Reconnaissance Orbiter ,LRO)获取,该飞行器在2009年发射升空,这是美国“重返月球”计划的第一步,为美国下一步载人探月以及探索太阳系提供重要数据。

LRO返回月球全部数据,如日间温度地图、月球大地测量网格、高分辨率彩色成像和月球的UV反照率(这是衡量太阳辐射被天文物体反射回太空中的比例的测量值)。

0ce5dff7aa04f79dec1eb01c56b850e6ed13fbf0

月球侦察轨道飞行器LRO(意境图)

LRO有助于确定月球上潜在资源点,具有极高的科学价值,资源点能够为人类提供良好的地形和未来机器人和人类执行月球任务所需的安全环境。

欧洲航天局推动的“月球村”计划大使Bernard Foing教授曾表示,到2030年,可能会有六到十个人类先驱者在月球上找到定居点,到2040年人类在月球上的数量可能增长到100人。

ddc5cd36307d640a06e13ee473a39f42d2fd3c34

Bernard Foing

“到了2050年,可能会有一千人,然后......自然你可以设想让家人在那里工作。”Bernard Foing说。

Bernard Foing认为,潜在的月球资源包括玄武岩,这是一种火山岩,它可用作打印3D卫星的原材料。这些卫星可以从月球上发射,因为其重力只有地球的一小部分。

350c24ddef5586c133b87ea0ef78625e480887aa

未来人类月球定居点(意境图)

此外,月球还拥有氦3,这是我们这个星球上罕见的同位素,它理论上可以用来为地球产生更清洁,更安全的核能。

月球上的水被凝结在月亮两极的冰上,而水可以分离成氢气和氧气,两种气体在混合时会爆炸——这能提供火箭燃料。


原文发布时间为:2018-03-19

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【月球殖民靠AI】神经网络发现7000个新陨石坑,人类2030年或找到月球定居点

相关文章
|
1月前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【2月更文挑战第15天】 在数字化时代,网络安全已成为全球关注的焦点。传统的安全防御手段在面对日益复杂的网络威胁时显得捉襟见肘。本文将探讨如何利用人工智能(AI)技术构建一个自适应的网络安全防御系统。该系统能够实时分析网络流量,自动识别和响应潜在威胁,从而提供一种更加动态和灵活的安全保护机制。通过深度学习算法的不断进化,这种系统能够预测和适应新型攻击模式,显著提高防御效率和准确性。
|
3月前
|
人工智能 网络协议 安全
【利用AI让知识体系化】简要了解网络七层协议(二)
【利用AI让知识体系化】简要了解网络七层协议
|
3月前
|
人工智能 网络协议 数据安全/隐私保护
【利用AI让知识体系化】简要了解网络七层协议(一)
【利用AI让知识体系化】简要了解网络七层协议
|
3月前
|
机器学习/深度学习 人工智能 安全
【AI 现况分析】AI在网络安全领域中的应用
【1月更文挑战第27天】【AI 现况分析】AI在网络安全领域中的应用
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
神经网络优化:提高AI模型性能的策略
神经网络优化是确保人工智能模型性能达到最佳的关键步骤。通过选择合适的激活函数、优化器和正则化技术,可以提高神经网络模型的准确度和泛化能力。随着深度学习领域的不断发展,神经网络优化策略也将不断进化,为人工智能技术带来更多的突破和创新。
247 1
神经网络优化:提高AI模型性能的策略
|
19天前
|
机器学习/深度学习 人工智能 运维
构建未来:AI驱动的自适应网络安全防御系统
【4月更文挑战第7天】 在数字时代的浪潮中,网络安全已成为维系信息完整性、保障用户隐私和确保商业连续性的关键。传统的安全防御策略,受限于其静态性质和对新型威胁的响应迟缓,已难以满足日益增长的安全需求。本文将探讨如何利用人工智能(AI)技术打造一个自适应的网络安全防御系统,该系统能够实时分析网络流量,自动识别并响应未知威胁,从而提供更为强大和灵活的保护机制。通过深入剖析AI算法的核心原理及其在网络安全中的应用,我们将展望一个由AI赋能的、更加智能和安全的网络环境。
28 0
|
1月前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【2月更文挑战第27天】 在数字化进程加速的背景下,网络安全威胁日益增长,传统的安全防御机制逐渐显得力不从心。本文提出一种基于人工智能技术的自适应网络安全防御系统架构,旨在通过实时分析网络行为和自动调整防御策略来应对复杂多变的网络攻击。该系统利用机器学习算法对异常行为进行检测与分类,并结合深度学习技术实现攻击模式的预测和响应策略的动态优化。文章详细阐述了系统的设计理念、关键技术以及预期效能,展望了AI技术在网络安全领域应用的未来趋势。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应网络安全防御系统
【2月更文挑战第26天】 在数字化时代,网络安全已成为维护信息完整性、确保业务连续性的关键。随着攻击手段的不断进化,传统的安全防御措施已不足以应对日益复杂的威胁。本文将探讨人工智能(AI)如何革新网络安全领域,构建一个自适应的防御系统。通过分析当前网络威胁的演变趋势,结合AI技术的实时数据分析、模式识别和自我学习能力,提出一种智能化的安全框架。该框架能够动态调整安全策略,预防未知攻击,并减少误报,从而为网络环境提供更加坚固的保护。
|
3月前
|
机器学习/深度学习 人工智能 资源调度
AI【基础 01】神经网络基础知识(不断进行补充整理)
神经网络基础知识(不断进行补充整理)
59 2
|
4月前
|
机器学习/深度学习 存储 人工智能
AI学术交流——“人工智能”和“神经网络学习”
AI学术交流——“人工智能”和“神经网络学习”
57 0