گجت نیوز آخرین اخبار تکنولوژی، علم و خودرو 
پژوهشگران چینی با کمک الگوریتمهای هوش مصنوعی و بررسی دادههای ماموریت چانگئه-۶ موفق شدند ترکیبات معدنی ناشناخته سمت پنهان ماه را شناسایی کنند.
بر اساس آخرین اخبار نجوم، کشور چین با تکیه بر فناوریهای پیشرفته هوش مصنوعی موفق شده است ترکیب شیمیایی سمت پنهان ماه را با دقتی بیسابقه شناسایی کند و از تاریخچه پیچیده شکلگیری و تحول آن پرده بردارد. این یافتهها شواهد تازهای در تأیید نظریههای قدیمی درباره فرایندهای زمینشناختی ماه ارائه میدهند. پژوهش جدید که با تحلیل دادههای دقیق ارسالی از کاوشگرهای فضایی چین انجام شده، به دانشمندان امکان داده است لایههای ناشناخته سطح ماه را بازسازی کنند.
کشف راز ترکیبات ناشناخته سمت پنهان ماه
مأموریت چانگئه-۶ (Chang’e-6) چین که بهعنوان اولین مأموریت تاریخ بشر برای بازگرداندن ترکیبات ناشناخته سمت پنهان ماه شناخته میشود، نقطه عطفی در پژوهشهای فضایی به شمار میآید. این مأموریت پیشرفته نهتنها دستاوردی بزرگ برای برنامه فضایی چین محسوب میشود، بلکه با بهکارگیری ترکیبی از کاوشگرهای سطحنشین، بازوهای نمونهبردار رباتیک و هوش مصنوعی پیشرفته افقی کاملاً جدید در مطالعه ترکیب و تاریخ زمینشناسی ماه گشود.
تقریباً نیمی از سطح ماه همواره پشت به زمین است و بهدلیل موقعیت مداری خاص و نبود تماس مستقیم رادیویی، بررسی و مطالعه آن با روشهای سنتی سنجش از دور و تلسکوپی همواره دشوار بوده است. مأموریت چانگئه-۶ توانست با جمعآوری دادههای دقیق از سطح این ناحیه، ترکیبی از نمونههای معدنی فیزیکی، دادههای طیفی چندبانده و اندازهگیریهای ژئوشیمیایی موضعی را به زمین منتقل کند.
- چرا انسانها بیش از ۵۰ سال است که به ماه برنگشتهاند؟
- تلسکوپ فضایی جدید Xuntian چین چقدر قدرتمند خواهد بود؟
- جزئیات ماموریت Artemis II؛ چرا ناسا دوباره انسان را به ماه میفرستد؟
این دادهها پایهگذار تحولی شدند که اکنون با کمک هوش مصنوعی به اولین نقشه شیمیایی جهانی و با وضوح بالا از سمت پنهان ماه انجامیده است. پژوهشگران مؤسسه فیزیک فنی شانگهای، وابسته به آکادمی علوم چین به همراه دانشمندان دانشگاه تونگجی (Tongji) و چند مرکز تخصصی دیگر، این دادهها را با بهرهگیری از مدلهای یادگیری عمیق و تحلیل چندطیفی مورد بررسی قرار دادند.
با آموزش یک شبکه عصبی بر میلیونها داده طیفی و سطحشناسی، مدل توانست الگوهای پنهان را شناسایی کرده و ترکیب دقیق معدنی، غلظت اکسیدها و تاریخ شکلگیری مناطق ناشناخته ماه را استنباط کند. نتیجه این همکاری علمی، پژوهشی بود که در ژورنال معتبر Nature Sensors منتشر شد و بهسرعت مورد توجه جامعه علمی جهانی قرار گرفت.
نخستین نقشه جهانی ترکیبات معدنی ماه با کمک یادگیری ماشین
این تحقیق دید تازهای از حوضه قطب جنوب–آیتکن ارائه میدهد؛ ناحیهای برخوردی به وسعت حدود ۲۵۰۰ کیلومتر (۱۵۵۰ مایل) که یکی از قدیمیترین و بزرگترین دهانههای شناختهشده در منظومه شمسی محسوب میشود. نمونههای استخراجشده از این منطقه در ماموریت چانگئه-۶، بیش از ۴ پوند (حدود ۲ کیلوگرم) وزن داشت و از لایههای عمیقتر سطح برداشت شده بود. تحلیل این مواد با هوش مصنوعی نشان داد که تفاوتهای بنیادینی میان ترکیبات ناشناخته سمت پنهان ماه و نیمکره نزدیک ماه وجود دارد.
از جمله این تفاوتها باید به ضخامت پوسته، نسبت عناصر فلزی و آثار فعالیت آتشفشانی باستانی اشاره کرد که پیشتر تنها بهصورت فرضی مطرح شده بود. با ترکیب دادههای مأموریتهای پیشین مانند آپولو، لونا و چانگئه-۵ با تصاویر بسیار دقیق حاصل از تصویرگر چندبانده ماهواره ژاپنی «کاگویا» (Kaguya)، محققان سیستمی توسعه دادند که قادر است طیف نوری بازتابیده از سطح ماه را به ترکیبات واقعی زیرسطحی ترجمه کند.
- افسانه ای بزرگ درباره ماه که نباید باور کنید
- ساخت شهر روی ماه؛ هدف جدید اسپیس ایکس پیش از سفر به مریخ
- راز دو چهره ماه فاش شد؛ نیمه پنهان ماه چه تفاوتی با نیمه دیگرش دارد؟
این سیستم، مبتنی بر مدلهای یادگیری ماشین برای تشخیص پیوند میان تغییرات شدت نور خورشید منعکسشده و حضور اکسیدهای معدنی خاص از قبیل آهن، تیتانیوم، آلومینیوم، منیزیم، کلسیم و سیلیکون است. نتیجه این پردازش عظیم، تشکیل نخستین نقشه جهانی شناسایی شش اکسید اصلی سطح ماه با دقت بیسابقه بود.
این نقشه، سه ناحیه اصلی شیمیایی ماه را با وضوحی چشمگیر تفکیک کرد: دریاهای بازالتی تیره موسوم به ماریا (Maria) که نشانگر فعالیتهای آتشفشانی قدیمی است، پوسته روشن و کوهستانی ارتفاعات که حاوی مواد آلومینیومی غنیتر است، و حوضه قطب جنوب–آیتکن که با تنوع معدنی بالا و آثار ناشی از برخوردهای کیهانی شناسایی میشود.
آغاز عصر هوش مصنوعی در اکتشافات سیارهای
تحلیلهای تطبیقی این نقشهها نهتنها ساختارهای سطحی را آشکار کرد بلکه دادههای محکمی ارائه داد که از نظریههای دیرینه درباره وجود اقیانوس ماگمای جهانی اولیه در ماه حمایت میکند که ظاهراً پس از شکلگیری ماه بر اثر برخورد عظیم با زمین در چهار و نیم میلیارد سال پیش ایجاد شده و بهطور ناهموار سرد شده است. این فرآیند نابرابر در سرد شدن، سبب بهوجودآمدن تفاوتهای شیمیایی و ساختاری عمده میان دو سمت ماه شده است.
به گفته پژوهشگران یافتههای جدید نهتنها به درک عمیقتر تکامل سطحشناسی ماه کمک میکند، بلکه برای تعیین محلهای فرود در مأموریتهای آینده چین و سایر کشورها به ماه از جمله طرحهای سرنشیندار آینده اهمیت حیاتی دارد. این نقشه میتواند مسیرهای محتمل برای پایگاههای سطحی، محلهای نمونهبرداری بعدی و نقاط مناسب برای مشاهده پدیدههای ژئوشیمیایی خاص را پیشنهاد دهد.
علاوه بر آن، محققان معتقدند رویکرد نوین ترکیب هوش مصنوعی با مشاهدات سنجش از دور میتواند در سایر اجرام منظومه شمسی نیز به کار رود؛ از جمله در مطالعه سطح مریخ، قمرهای مشتری مانند اروپا و گانیمد، یا حتی سیارکهای نزدیک به زمین. این دستاورد نشان میدهد که فناوری هوش مصنوعی اکنون از تحلیل دادههای زمینی فراتر رفته و به ابزاری کلیدی در اکتشافات فرازمینی تبدیل شده است.
