AI幫月球數"麻子"：從嫦娥圖像中新發現10萬撞擊坑
（原標題：AI幫月球數“麻子”：從嫦娥圖像中新發現10萬多個撞擊坑）
嫦娥五號攜着月壤凱旋，她的前輩嫦娥一號和嫦娥二號留下的數據同樣是座富礦，不斷被科學家們挖掘出新的價值。
12月22日，由中國月球探測工程首席科學家歐陽自遠和國家天文臺副臺長研究員李春來領銜的研究團隊在《自然-通訊》（Nature Communications）上發表論文，報告了一項利用一種遷移學習策略來識別月球的撞擊坑，成功從嫦娥一號和嫦娥二號數據中識別出之前未識別的逾10萬個撞擊坑。
新新舊舊，坑坑窪窪
衆所周知，月亮是個“麻子臉”。月球表面的這些坑坑窪窪由天體撞擊形成，跨越了五個月球地質時期長達40億年的時光，是記錄月球演化和太陽系歷史的化石。
自1919年以來，經國際天文學聯合會（IAU）確認的共有9137個撞擊坑，其中1675個的年齡由月球和行星研究所（LPI）收集，成爲了該項研究的訓練數據來源。
要統計這些撞擊坑，不管是人工識別還是自動識別都各有侷限性，這導致兩邊統計來的數據對不上號。
月球上的撞擊坑分佈情況
一般來說，經過大量已標註樣本訓練的深度神經網絡能快速準確地識別出比較簡單的撞擊坑，但很難發現不規則或退化的撞擊坑。然而，這些不太容易辨認的撞擊坑可能比較古老，是重要的歷史記錄。
地層覆蓋關係是判斷撞擊坑相對年齡的基礎方法，其次，邊緣和階梯清晰度、邊緣紋理、隕石坑形狀、隕石坑壁和疊加隕石坑等因素也能反映撞擊坑形態的退化情況和新鮮程度。光學成熟度（OMAT）則能基於月壤暴露於空間的改性情況做出判斷，適用於大型射線坑。
撞擊坑的絕對年齡則需由返回樣本的放射測齡和撞擊坑累積尺寸頻率分佈分析決定。常規工具很難用單一類型數據對撞擊坑進行識別和年齡鑑別。
嫦娥前輩採集的圖像
作爲“嫦娥”系列的前鋒，嫦娥一號是中國探月計劃中的第一顆繞月人造衛星，於2007年10月在西昌衛星發射中心發射升空，獲取了包含兩極的精細“全月球三維影像”。完成使命後，它於2009年3月1日撞擊月球表面預定地點。
嫦娥二號原爲嫦娥一號的備份星，也是中國探月工程二期的技術先導星，於2010年10月發射升空。它獲取了分辨率優於10米的月球表面三維影像，爲後續着陸區優選提供依據。
這兩“姐妹”提供了不同空間分辨率的豐富圖像數據，例如120米和7米的DOM（數字正射影像圖），還有500米和7米的DEM（數字高程模型）。
其中，DOM數據可以反映撞擊坑形態特徵，而DEM數據可以反映地形信息。
利用嫦娥圖像數據對月球撞擊坑進行識別和測齡
遷移學習是一種機器學習的前沿方法，能在訓練樣本不那麼充足的情況下，用之前獲得的知識解決下一個問題。研究團隊先用7895個已知的撞擊坑和1411個已知年齡的撞擊坑數據訓練出了一個深度神經網絡。
他們把這個深度神經網絡遷移到嫦娥一號和嫦娥二號飛行器採集的月球中低緯區域（緯度−65°至65°）圖像中，識別出了109956個新的撞擊坑，這比一開始識別的數量要多出十幾倍。
接着，針對那些直徑大於8千米的撞擊坑，深度神經網絡還估算出了其中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，並將相關分析數據與行星科學界共享。
該團隊認爲，他們的方法調整後可用於太陽系的其他天體，並有望比人工分析方法提取更多信息。