애버딘 대학(University of Aberdeen)의 연구팀은 AI 모델을 사용하여 새로운 범용 분화구 탐지 알고리즘(CDA)을 개발했습니다. 세그먼트 무엇이든 모델(SAM) 메타에서. 새로운 기술을 통해 과학자들은 다양한 유형의 데이터를 사용하여 행성의 표면을 정확하게 매핑할 수 있으며 이는 향후 우주 임무에 유용할 수 있습니다.
메타는 지난 월 초 SAM AI 알고리즘을 도입했는데, 어떤 이미지에서든 자동으로 '잘라낼' 수 있는 새로운 모델이다. 이 기술을 통해 팀은 자동으로 크레이터 오랫동안 수동으로 수행하는 대신 지도로 이동합니다. 동시에 서로 다른 유형의 데이터를 사용하면 표면을 보다 정확하고 유연하게 설명할 수 있습니다.
CDA 알고리즘은 다양한 데이터 및 천체와 함께 작동할 수 있으므로 다양한 행성 표면의 크레이터를 감지하기 위한 잠재적으로 다재다능한 솔루션이 됩니다. 또한 로봇 또는 인간 임무를 위한 가능한 착륙 지점을 결정하는 데 도움이 될 수 있으며 향후 지형 관찰을 기반으로 하는 자동 탐색에 사용될 수 있습니다.
"크레이터를 탐지하는 것은 행성 과학에서 중요한 작업입니다. 그것은 우리가 화성, 달 및 다른 행성과 같은 천체의 지질학, 역사 및 진화를 더 잘 이해할 수 있게 해줄 것이라고 수석 저자는 말했습니다. 연구 애버딘 대학교 지구 과학 학교의 Iraklis Giannakis 박사. "우리의 범용 CDA 접근 방식은 SAM 기능을 사용하여 높은 정확도와 효율성으로 크레이터를 자동으로 감지하여 수동 식별의 필요성을 줄입니다."
SAM의 AI 알고리즘의 개선된 분할 기능은 CDA의 판도를 효과적으로 바꾸어 과학자들이 정확하게 식별할 수 있게 했습니다. 크레이터 지형의 어려운 조건에도 불구하고 크기, 모양 및 방향이 다릅니다.
Giannakis 박사는 CDA의 개발이 미래의 연구 임무뿐만 아니라 행성 과학을 위한 새로운 기회를 창출했다고 말했습니다. "분화구를 자동으로 매핑함으로써 과학자들은 크레이터의 분포, 크기 및 형태를 연구하여 더 잘 이해할 수 있습니다. 표면 시간이 지남에 따라 행성과 그 진화. 이것은 지질학적 역사를 밝히고, 표면 과정을 감지하고, 행성이나 달이 생명체에 잠재적으로 적합한지 평가하는 데 도움이 될 것입니다."라고 과학자는 덧붙입니다.
"분화구는 또한 다음과 같은 행성의 물 얼음과 같은 귀중한 자원의 잠재적인 원천이 될 수 있습니다. 달 또는 화성. 분화구를 자동으로 매핑함으로써 과학자들은 자원이 집중될 수 있는 잠재적 위치를 식별할 수 있으며, 이는 미래의 인간 임무와 우주 탐사 시나리오에서 자원 사용 전략을 계획하는 데 중요할 수 있습니다.”라고 과학자들은 말합니다.
또한 읽기: