人工智能帮助行星科学家发现火星上新的陨石坑，这是行星科学家的里程碑

使用新的机器学习算法，在这张图片的左下角圈出的黑色斑点是在火星上发现的一组最近形成的陨石坑。这张照片是由美国国家航空航天局（NASA）的火星侦察轨道飞行器上的情景相机拍摄的。

这是机器学习第一次用于在“红色星球”上发现以前未知的陨石坑。

在2010年3月至2012年5月之间的某个时间，一颗流星划过火星的天空，破裂成碎片，猛撞到了行星的表面。产生的陨石坑相对较小-直径仅为13英尺（4米）。这些特征越小，使用火星探测器就越难发现它们。但是在这种情况下，也是科学家第一次发现了一些额外的帮助：人工智能（AI），这是第一次。

对于南加州NASA喷气推进实验室的行星科学家和AI研究人员来说，这是一个里程碑，他们共同开发了有助于进行这项发现的机器学习工具。这一成就为节省时间和增加调查结果提供了希望。

通常，科学家每天花费数小时研究由NASA的火星侦察轨道飞行器（MRO）拍摄的图像，以寻找变化的表面现象，例如尘土飞散，雪崩和沙丘移动。在火星运行的14年中，科学家依靠MRO数据发现了1,000多个新的陨石坑。通常首先使用航天器的情境相机检测到它们，该相机一次拍摄覆盖数百英里的低分辨率图像。

NASA火星侦察轨道飞行器上的HiRISE相机拍摄了火星上一个陨石坑星团的照片，这是有史以来第一个被发现的AI。人工智能首先在轨道器的情境相机拍摄的图像中发现了陨石坑；科学家们对这张HiRISE影像进行了跟踪，以确认火山口。

在这些图像中，只有撞击周围的爆炸痕迹会突出，而不是单个的陨石坑，因此下一步是通过高分辨率成像科学实验或HiRISE进行仔细研究。该仪器功能强大，可以看到与好奇号火星探测器留下的轨迹一样精细的细节。（HiRISE团队允许任何人，包括公众在内，通过其HiWish页面请求特定的图像。）

该过程需要耐心，研究人员需要40分钟左右的时间仔细扫描单个Context Camera图像。为了节省时间，JPL研究人员创建了一个称为自动新鲜撞击坑分类器的工具，作为更广泛的JPL工作的一部分，该工作名为COSMIC（捕获机载摘要以监视图像变化），该技术为后代火星轨道器开发技术。

为了训练陨石坑分类器，研究人员向其提供了6,830个Context Camera图像，包括那些已经通过HiRISE确认过的具有先前发现影响的位置的图像。该工具还提供了没有新鲜影响的图像，以显示分类器不需要的内容。

经过训练后，分类器便部署在Context Camera的大约112,000张图像的整个存储库中。在JPL的超级计算机集群上运行，该集群由数十台可以相互协同运行的高性能计算机组成，一个过程耗时40分钟，而AI工具平均只需5秒钟。

JPL计算机科学家Gary Doran说，一项挑战是弄清楚如何在整个集群中同时运行多达750个分类器。多兰说：“如果不在多台计算机之间分配工作，就不可能在合理的时间内处理超过112,000张图像。”“策略是将问题分解为可以并行解决的较小问题。”

但是，尽管具有所有的计算能力，分类器仍然需要人工来检查其工作。

JPL计算机科学家Kiri Wagstaff表示：“人工智能无法完成科学家所能进行的那种熟练的分析。”“但是像这种新算法这样的工具可以成为他们的助手。这为人类和AI“研究者”共同合作以加速科学发现铺平了道路。

2020年8月26日，HiRISE证实了分类器在一个名为Noctis Fossae的区域发现的深色污迹实际上是火山口簇。该团队已经为HiRISE提交了20多个额外的候选人以进行结帐。

虽然该陨石坑分级器在运行于地球的计算机上运行，但最终目标是开发适合未来火星轨道器在机上使用的类似分级器。佐治亚理工学院的研究生Michael Munje说，目前，将数据发送回地球需要科学家筛选以寻找有趣的图像，就像试图在大海捞针中寻找针头一样。。

Munje说：“希望将来，人工智能可以优先考虑科学家更可能感兴趣的轨道影像。”

Ingrid Daubar，也是JPL和布朗大学的受聘科学家，他也参与了这项工作，他希望这项新工具能够更全面地了解流星撞击火星的频率，并且还可以揭示流星撞击火星的微小影响。之前发现过的。发现的陨石坑越多，科学家就越多地了解流星撞击火星的大小，形状和频率。

她说：“可能还有更多尚未发现的影响，”“这项进展向您展示了使用现代分析技术可以对像MRO这样的资深任务执行多少任务。”