施普林格·自然旗下學術期刊《自然-通訊》最新發表一篇行星科學研究論文稱，科學家們通過機器學習方法，在月球表面識別出之前未識別的逾10.9萬個撞擊坑。

據該論文介紹，撞擊坑分布在月表的大部分區域。然而，識別撞擊坑數量的人工和自動方法在計算精確總數時存在不一致的情況。比如，自動識別方法一般很難發現不規則或退化的撞擊坑。

基于此，論文第一作者和通訊作者、吉林大學地球科學學院楊晨副教授與中外科學家合作，嘗試利用一種遷移學習策略來識別月球的撞擊坑。遷移學習是一種機器學習方法，能用之前獲得的知識解決下一個問題。他們先用7895個經過識別和1411個已知年齡的撞擊坑數據訓練了一個深度神經網絡。

利用嫦娥一號和嫦娥二號飛行器采集的數據，這個深度神經網絡識別出了109956個撞擊坑，這是之前在月球中低緯區域識別數量的幾十倍。在直徑大于8千米的撞擊坑中，該深度神經網絡估算了其中18996個撞擊坑的年齡。研究人員根據以上結果建立了一個新的月球中低緯區域撞擊坑數據庫。

論文作者認為，他們的方法調整后可用于太陽系的其他天體研究，并有望比人工分析方法提取更多信息。

楊晨23日通過網絡接受中新社記者采訪表示，相關研究數據與模型對于月球及行星科學研究具有重要價值。目前，這些科研成果已擴展并應用于嫦娥五號著陸區小型撞擊坑識別。(完)

關鍵詞：