Uma nova técnica desenvolvida por pesquisadores da Universidade de T Scarborough está usando a mesma tecnologia dos carros autônomos para medir o tamanho e a localização dos impactos das crateras na lua.

"Quando se trata de contar crateras na lua, é um método bastante arcaico, "diz Mohamad Ali-Dib, um pós-doutorado no Centro de Ciências Planetárias (CPS).

"Basicamente, precisamos olhar manualmente uma imagem, localize e conte as crateras e depois calcule o tamanho delas com base no tamanho da imagem. Aqui, desenvolvemos uma técnica de inteligência artificial que pode automatizar todo esse processo, economizando tempo e esforço significativos. "

Os pesquisadores tentaram no passado desenvolver algoritmos que pudessem identificar e contar crateras lunares, mas quando eles foram usados ​​em novos, manchas de crateras anteriormente não vistas, eles tendiam a ter um desempenho insatisfatório. Por comparação, a técnica desenvolvida por Ali-Dib e seus colegas pode generalizar muito bem para manchas lunares invisíveis, e até mesmo outros corpos com crateras como Mercúrio.

"É a primeira vez que temos um algoritmo que pode detectar crateras muito bem não apenas em partes da lua, mas também áreas de Mercúrio, "diz Ali-Dib, que desenvolveu a técnica junto com Ari Silburt, Chenchong Charles Zhu e um grupo de pesquisadores do CPS e do Instituto Canadense de Astrofísica Teórica (CITA).

Para determinar sua precisão, os pesquisadores primeiro treinaram a rede neural em um grande conjunto de dados cobrindo dois terços da lua, e então testaram sua rede treinada no terço restante da lua. Funcionou tão bem que foi capaz de identificar duas vezes mais crateras do que a contagem manual tradicional. Na verdade, foi capaz de identificar cerca de 6, 000 crateras da lua anteriormente não identificadas.

A técnica em si depende de uma rede neural convolucional, uma classe de algoritmos de aprendizado de máquina que tem sido usada com sucesso por visão computacional para movimentar robôs e até carros autônomos. Os dados usados ​​pelos algoritmos foram retirados de mapas de elevação coletados de satélites em órbita.

Embora nenhum dos pesquisadores tivesse experiência anterior na contagem de crateras, eles foram capazes de desenvolver a técnica como resultado de uma série de workshops realizados na Universidade de T Scarborough organizados pela Professora Associada Kristen Menou e vários dos autores sobre como o aprendizado de máquina e o aprendizado profundo podem ajudar a resolver problemas científicos específicos.

"Dezenas de milhares de pequenas crateras não identificadas estão na lua, e não é realista para os humanos caracterizá-los de forma eficiente a olho nu, "diz Silburt, um ex-aluno de graduação no Departamento de Astronomia e Astrofísica da U of T.

"Há um potencial real de máquinas para ajudar a identificar essas pequenas crateras e revelar pistas não descobertas sobre a formação de nosso sistema solar."

Saber o tamanho e a localização das crateras em corpos como a lua é importante porque oferece uma janela para a história do nosso sistema solar. Ao estudar crateras de impacto de todas as formas, tamanhos e idades, os pesquisadores podem entender melhor a distribuição do material e a física que ocorreu nos primeiros estágios do nosso sistema solar, notas Ali-Dib.

Como a lua não tem atmosfera, placas tectônicas e água, há pouca erosão e, como resultado, algumas crateras de impacto com até 4 bilhões de anos são visíveis. A idade das grandes crateras também pode ser determinada contando quantas crateras pequenas são encontradas dentro delas.

"Para que esta técnica funcione, você precisa de um corpo sem ar como a lua ou Mercúrio, corpos onde há pouca erosão ocorrendo "acrescenta Ali-Dib.

Quanto aos próximos passos, Ali-Dib diz que o plano é melhorar ainda mais o algoritmo para permitir que os pesquisadores encontrem mais crateras, e também testá-lo em outros corpos do sistema solar, como Marte, Ceres e as luas geladas de Júpiter e Saturno.

A pesquisa, que está atualmente em revisão no jornal Icaro , recebeu financiamento do Conselho de Pesquisa em Ciências Naturais e Engenharia do Canadá (NSERC).