Uma técnica de inteligência artificial, alimentada com informações coletadas por orbitadores lunares chineses, revelou que a Lua tem uma quantidade substancialmente superior de crateras em relação ao que indicavam levantamentos anteriores. O estudo, publicado em 22 de dezembro na Nature Communications, revelou quase 110 mil delas, número cerca de 12 vezes maior que o cogitado até então.
Chen Yang, professor associado de Ciências da Terra na Universidade Jilin, disse à Live Science por e-mail: "É o maior banco de dados de crateras lunares localizadas nas regiões de latitude média e baixa da Lua criado por extração automática", indicando, assim, a região em que as descobertas se encontram.
De acordo com o pesquisador, equiparadas a fósseis (por registrarem a história do Sistema Solar), tais formações têm origem na colisão de asteroides com o satélite natural da Terra e variam drasticamente em tamanho e forma.
Identificá-las e datá-las é um verdadeiro desafio, uma vez que elas podem se sobrepor e sofrer erosão – dificultando a análise, inclusive, daquilo que já foi detectado.
Pontos verdes são apenas algumas das crateras descobertas.Fonte: Reprodução
É cratera pra caramba!
Para contornarem esses obstáculos, Yang e sua equipe treinaram uma rede neural profunda com dados de milhares de crateras previamente detectadas e ensinaram o algoritmo a encontrar exemplares inéditos. Depois, aplicaram a tecnologia ao que os equipamentos Chang'e-1 e Chang'e-2 já visualizaram por lá. O resultado? 109.956 crateras adicionais na superfície da Lua. 18.996 possuem mais de 8 km de extensão.
As pesquisas, claro, não se encerraram. Agora, os cientistas pretendem aprimorar a solução com os dados do Chang'e 5, dispositivo que, recentemente, trouxe amostras do satélite para cá. Além disso, desejam adaptar e aplicar a abordagem de machine learning a outros corpos de nossa vizinhança, incluindo planetas.
"Essa previsão geralmente leva minutos seguidos por algumas horas de pós-processamento em hardware de computação-padrão", escreveram os responsáveis pelo estudo. Ou seja, tem muito chão e muito espaço pela frente – e aqueles que quiserem se aventurar pela abordagem encontram o código utilizado no GitHub, disponibilizado gratuitamente.
Categorias
