周一 · 知古通今 | 周二 · 牧夫專欄
周三 · 太空探索 |周四 · 觀測指南
周五 · 深空探測|周六 · 茶餘星話| 周日 · 視頻天象
翻譯:田程偲
校對:牧夫天文校對組
編排:陶邦惠
後臺:庫特莉亞芙卡 李子琦
原文連結:
https://www.universetoday.com/148165/machine-learning-software-is-now-doing-the-exhausting-task-of-counting-craters-on-mars/#more-148165
天文學家的生活似乎是充滿樂趣的。坐在天文臺中,飲一杯溫暖的熱可可,全身心沉浸於熱愛的工作,周圍集聚著志同道合的頂尖人才,時而一起研究高端先進的科學儀器...... 然後突然有一天——你有了重大發現!你為人類提供了至關重要的知識,解開了學界爭論已久的謎團,緊接著參與國際性會議、榮獲終身任期、甚至諾貝爾獎接踵而至...... 終於,你和同事們所有的辛勤付出都得到了回報!
在大學的第一年,躊躇滿志的你可能會對未來的科研工作充滿這樣的憧憬與嚮往。但事實上,科研與其他工作無別他異,並不是人生中的每一分秒都令人興奮。有時候,天文學工作也是平淡乏味的,例如,坐在計算機前瀏覽火星表面的照片,一個一個計算火山口的數量。了解隕石撞擊火星表面的頻率對我們認識火星有重要幫助。也許這樣重複機械性的工作並不是你初學天文時想要做的,但必須有人去做這樣的工作,不然,我們還能怎麼知道火星上有多少個隕石坑呢?
通常,天文學家每天要花費數小時研究由NASA的火星偵察軌道器(MRO)拍攝的圖像來發現火星上的隕石坑。在圍繞火星運行的14年中,科學家依靠MRO傳送回來的數據找到了1,000多個新的隕石坑。一般,我們先依靠帶有廣角鏡頭的情境相機(CTX)尋找疑似隕石坑的小點,該相機一次可以拍攝覆蓋數百英裡的低解析度圖像。然後再通過高解析度成像科學儀器(HiRISE)放大圖像,仔細審視圖像細節。
2020年9月5日,HiRISE拍攝到的火星隕石坑
Image Credit: NASA/JPL/UArizona
美國噴氣推進實驗室(JPL)的人工智慧研究人員一直致力於開發發現撞擊坑的機器學習工具,希望AI能夠幫助天文學家節省時間,增加發現量。2010年3月至2012年5月中的某一天,一顆流星划過火星的天空,在那裡破裂成碎片,墜入紅色星球的表面,產生了直徑僅有4米的小坑。直徑越小,便越難在圖片中發現它們,但就在這種情況下,科學家首次利用人工智慧和機器學習發現了隕石坑。
在上圖中,只有撞擊周圍的爆炸痕跡突出,個別隕石坑無法看到。下一步將使用被稱為HiRISE的高解析度成像科學實驗儀來觀察該區域。該儀器功能強大,可以看到像 "好奇號 "火星車留下的足跡一樣精細的細節。
Image Credit: NASA/JPL-Caltech/University of Arizona
過去,天文學家人工掃描一張圖像篩查隕石坑需要40分鐘左右,而現在,JPL開發的撞擊坑分類器篩查一張圖像只需要5秒鐘。但研究人員指出,雖然分類器具有超強的計算能力,但人類的審查覆核工作仍是必不可少的。
開源增效
數據管理一直以來都是科學領域一項巨大的挑戰,且難度隨著數據量的增加與日俱增。更多數據並不意味著更多有效信息,反之,重要信息可能會因此被遺漏,淹沒於海量數據之中。以NASA的「克卜勒行星獵手「任務為例,儘管其飛行器傳輸回了大量數據,但科學家卻遺漏了系外行星。直到2016年,一名研究生才從NASA克卜勒太空船的數據中發現了4個「隱藏」的新系外行星。這一發現強調了有效管理航天任務返回的海量數據的難度。
2016年,一名研究生從克卜勒太空船的數據中發現了4個之前被遺漏的系外行星。
Image: University of British Columbia
隨著科學儀器的不斷精進,將有越來越多的數據被傳輸回地球,其數量之大將遠超出科學家人工分析的能力範圍。即將投入使用的微拉魯賓望遠鏡(Vera C. Rubin Survey Telescope)預計每年能拍攝20萬張圖像,如何從海量數據中發現有效信息是當前火星研究亟待解決的問題之一。
毫無疑問,AI和機器學習將在未來的太空科研中發揮重要作用。我們期待人類和AI攜手協力為太空科學做更大貢獻。在不久的將來,天文學家將從單調反覆的照片掃描工作中解放出來,投身於更富有意義的工作。我們期待著那天的到來。
責任編輯:郭皓存
牧夫新媒體編輯部
『天文溼刻』 牧夫出品
火星上的維多利亞火山口
圖片來源:NASA/JPL/University of Arizona