一項深入學習的人工智能技術已經發現了超過6,000個新的地球上的隕石坑。這些從未見過的隕石坑在短短幾個小時內就通過AI工具映射了這些。
研究人員正在使用神經網絡研究和映射月球表面。使用新技術，他們通過以前的月球觀察信息中的可用數據集成功地計算了月球上的新帕克標記（其中約6,000個）。
這月亮點綴著大量隕石坑數十億年。
“基本上，我們需要手動查看圖像，定位和計數隕石坑，然後計算出圖像大小的大小，”說來自多倫多斯卡伯勒大學行星科學中心的Mohamad Ali-Dib。
深度學習技術
研究人員首先在涵蓋月球三分之二的數據集上訓練了卷積神經網絡。然後，他們在剩下的月球中測試了神經網絡。結果從人類生成的測試集中產生92％的隕石坑，幾乎是火山口檢測總數的兩倍。
他們能夠在月球表面發現大約6,000名以前未知的隕石坑。
在發現的新隕石坑中，直徑15％的直徑比地面圖數據集中的最小火山口大小小。與人類生成的數據集相比，錯誤的錯誤僅為11％或更少，這使得深度學習工具可用於自動提取各種太陽系物體的隕石坑信息。
用於研究的深度學習框架是Nvidia tesla P100 GPU和cudnn加速張量。
同一網絡還成功地檢測了汞的隕石坑，與月球相比，該網絡具有完全不同的表面。
自動駕駛汽車中使用的技術
顧名思義，卷積深神經網絡由一個或多個卷積層組成，其次是標準多層神經網絡中的一個或多個完全連接的層。
該網絡旨在最大化輸入圖像的2D結構。在月球隕石坑的映射情況下，該算法分析了從繞衛星收集的海拔圖中獲取的數據。
該學習算法已用於為機器人和自動駕駛汽車提供動力。
通過深度學習，機器有可能識別小火山口，並發現有關太陽系中其他物體的更多信息，包括水星，矮星谷，小行星Vesta或木星和土星的冰冷月亮。
該技術是由賓夕法尼亞州立大學的研究合著者Ari Silburt，博士後研究員Chenchong Chenchong Charles Zhu以及行星科學中心和加拿大理論天文學研究所的一組研究人員開發的。
一個該研究的預發行版本在期刊上進行了審查伊卡洛斯。
