Una nuova tecnica sviluppata dai ricercatori dell'Università di T Scarborough sta utilizzando la stessa tecnologia alla base delle auto a guida autonoma per misurare le dimensioni e la posizione degli impatti dei crateri sulla luna.

"Quando si tratta di contare i crateri sulla luna, è un metodo piuttosto arcaico, "dice Mohamad Ali-Dib, un borsista post-dottorato presso il Center for Planetary Sciences (CPS).

"Fondamentalmente abbiamo bisogno di guardare manualmente un'immagine, individuare e contare i crateri e quindi calcolare quanto sono grandi in base alle dimensioni dell'immagine. Qui abbiamo sviluppato una tecnica dall'intelligenza artificiale in grado di automatizzare l'intero processo che consente di risparmiare tempo e fatica".

I ricercatori hanno provato in passato a sviluppare algoritmi in grado di identificare e contare i crateri lunari, ma quando sono stati utilizzati su nuovi, macchie di crateri mai viste prima tendevano a funzionare male. A confronto, la tecnica sviluppata da Ali-Dib e dai suoi colleghi può generalizzare molto bene a macchie lunari invisibili, e anche altri corpi craterizzati come Mercurio.

"È la prima volta che abbiamo un algoritmo in grado di rilevare i crateri davvero bene non solo per parti della luna, ma anche zone di Mercurio, " dice Ali-Dib, che ha sviluppato la tecnica insieme ad Ari Silburt, Chenchong Charles Zhu e un gruppo di ricercatori del CPS e del Canadian Institute for Theoretical Astrophysics (CITA).

Per determinarne l'esattezza, i ricercatori hanno prima addestrato la rete neurale su un ampio set di dati che copre i due terzi della luna, e poi testarono la loro rete addestrata sul restante terzo della luna. Ha funzionato così bene che è stato in grado di identificare il doppio dei crateri rispetto al conteggio manuale tradizionale. Infatti, è stato in grado di identificare circa 6, 000 crateri precedentemente non identificati sulla luna.

La tecnica stessa si basa su una rete neurale convoluzionale, una classe di algoritmi di apprendimento automatico che è stata utilizzata con successo per la visione artificiale per alimentare robot e persino auto a guida autonoma. I dati utilizzati dagli algoritmi sono stati presi dalle mappe di elevazione raccolte dai satelliti in orbita.

Sebbene nessuno dei ricercatori avesse precedenti esperienze nel conteggio dei crateri, sono stati in grado di sviluppare la tecnica a seguito di una serie di workshop tenuti presso l'Università di T Scarborough, organizzati dalla professoressa associata Kristen Menou e da molti degli autori, su come l'apprendimento automatico e il deep learning potrebbero aiutare ad affrontare problemi scientifici specifici.

"Decine di migliaia di piccoli crateri non identificati sono sulla luna, ed è irrealistico per gli umani caratterizzarli in modo efficiente tutti a occhio, "dice Silburt, un ex studente universitario nel Dipartimento di Astronomia e Astrofisica della U of T.

"C'è un reale potenziale per le macchine per aiutare a identificare questi piccoli crateri e rivelare indizi sconosciuti sulla formazione del nostro sistema solare".

Conoscere le dimensioni e la posizione dei crateri su corpi come la luna è importante perché offre una finestra sulla storia del nostro sistema solare. Studiando i crateri da impatto di tutte le forme, dimensioni ed età, i ricercatori possono comprendere meglio la distribuzione del materiale e la fisica che si è verificata nelle prime fasi del nostro sistema solare, nota Ali-Dib.

Poiché la luna manca di atmosfera, tettonica a zolle e acqua, c'è poca erosione e di conseguenza sono visibili alcuni crateri da impatto vecchi di 4 miliardi di anni. L'età dei grandi crateri può essere determinata anche contando quanti piccoli crateri si trovano al suo interno.

"Perché questa tecnica funzioni hai bisogno di un corpo senz'aria come la luna o Mercurio, corpi dove c'è poca erosione" aggiunge Ali-Dib.

Per quanto riguarda i prossimi passi, Ali-Dib afferma che il piano è di migliorare ulteriormente l'algoritmo per consentire ai ricercatori di trovare più crateri, e per testarlo anche su altri corpi del sistema solare come Marte, Cerere e le lune ghiacciate di Giove e Saturno.

La ricerca, che è attualmente in fase di revisione sulla rivista Icaro , ha ricevuto finanziamenti dal Natural Sciences and Engineering Research Council of Canada (NSERC).