cratère_lune_identification_plus_précise_2018

La lune est constamment bombardée par des météorites et des astéroïdes qui peuvent laisser des cratères massifs à sa surface. Le bassin Pôle Sud-Aitken, le plus grand cratère d’impact sur la surface lunaire, a un diamètre équivalant à la distance de Londres à Athènes, en Grèce. Mais tous les cratères ne sont pas si visibles – la plupart sont relativement insignifiants.

Des milliers de cratères jusqu’alors inconnus ont été repéré sur la Lune grâce à un programme d’intelligence artificielle conçu par des chercheurs de l’Université de Toronto.

Une méthode basée sur l’IA

« Nous avons créé une méthode basée sur l’IA qui identifie de manière autocratique les cratères à la surface de la lune, et éventuellement d’autres objets», a déclaré Mohamad Ali-Dib, chercheur au Centre des sciences planétaires qui a travaillé sur le projet.

«Cela permettra aux scientifiques de trouver et de mesurer des cratères à des échelles plus petites qu’auparavant, et sur plus de planétoïde du système solaire. De plus cela nous permettra une meilleure compréhension de l’histoire des impacteurs qui ont créé les cratères et donc l’histoire du système solaire. »

Ali-Dib et ses collègues ont créé un réseau de neurones convolutifs – le même type utilisé pour former les voitures autonomes – qui peut identifier et compter les cratères lunaires. Bien que cela ait déjà été tenté par d’autres chercheurs, les tentatives passées n’ont pas réussi parfaitement à analyser de nouveaux impacts de cratères.

Le système développé par Ali-Dib et son équipe peut à la fois généraliser à partir d’images de la lune et même repérer des cratères sur d’autres planétoïdes, tels que Mercure. Dans un article actuellement à l’étude dans la revue Icarus, les chercheurs démontrent que leur IA a effectué deux fois plus de découvertes que le comptage manuel, repérant ainsi 6 000 cratères précédemment non identifiés.

Comment ce système fonctionne

Ali-Dib a décrit comment ils ont formé le programme: « En entrée, le modèle prend une carte d’élévation numérique de la lune. Le réseau de neurones convolutionnels transforme ensuite l’entrée en une image en anneau binaire, avec des zéros partout sauf ceux des cratères. C’est la sortie. Notre pipeline (qui est un circuit dans lequel des données progressent les unes derrière les autres.) de post-traitement extrait ensuite la position et la taille des cratères de l’image binaire des anneaux de sortie.  »

La taille et la distribution des cratères sont des caractéristiques importantes pour les scientifiques, qui utilisent ces données pour calculer la taille et la distribution des objets qui ont créé ces cratères. La comparaison de ces informations avec les modèles du système solaire préexistants,  leur permettra de mieux comprendre l’histoire de notre système solaire.

[via Digital Trends]