Coelum Astronomia 251 - 2021 - Page 68

A sinistra. Un esempio di immagine scattata dalla Context Camera di MRO. Il campo inquadrato è piuttosto ampio e contiene quindi una buona porzione di superficie marziana, includendo quindi numerose formazioni superficiali da analizzare. Crediti: NASA/JPL/University of Arizona

A tal proposito dobbiamo ricordarci che nonostante le fotocamere di MRO siano un concentrato tecnologico, esse non sono in grado di interpretare quello che "vedono". Ritraggono la superficie al meglio delle loro capacità, ma nulla dicono di ciò che stanno osservando! Per questo genere di attività serve un essere umano che esamini le immagini. Ma un ricercatore, secondo la NASA, può impiegare circa 40 minuti per esaminare una sola immagine CTX (scattata cioè dalla Context Camera), alla ricerca di piccoli crateri o altre caratteristiche superficiali di rilievo.

L’immenso catalogo di dati prodotto dal Mars Orbiter, che con i suoi oltre 14 anni di attività su Marte può dirsi una missione storica per l’esplorazione del pianeta, può nascondere tante piccole perle, ma per scovarle servirebbero anni se non decenni di attente osservazioni e analisi. Ecco perché è determinante rivolgersi all’AI per cercare un aiuto.

Per ridurre quindi la mole di lavoro, il team guidato dalla Wagstaff ha realizzato un tool basato appunto sull’AI e Machine Learning e chiamato “automated fresh impact crater classifier”, parte di un più ampio programma di sviluppo denominato COSMIC (Capturing Onboard Summarization to Monitor Image Change).

Il primo successo del tool è avvenuto lo scorso 26 agosto, con la nuova individuazione di un cluster di crateri. In quell'occasione l'algoritmo di intelligenza artificiale ha individuato per la prima volta un cluster di crateri presente in una delle immagini scattate con la Context Camera dell'orbiter. Per verificare la bontà della scoperta, gli scienziati hanno successivamente eseguito una ripresa a più alta risoluzione con la camera HiRISE (vedi immagine nella prossima pagina in alto) nella quale appaiono chiaramente i crateri, confermando quindi la scoperta fatta dall'AI.

Il risultato ha permesso di evidenziare una serie di crateri mai individuati prima, generati dall’impatto di una meteora che ha colpito la superficie tra il 2010 e il 2012. Chiaramente l’oggetto si era frantumato prima di raggiungere la superficie del pianeta, producendo così il cluster di crateri trovato.

«Generare un catalogo più dettagliato di nuovi crateri da impatto, ci aiuta a comprendere meglio dove, quando e come si presentano», ci spiega la ricercatrice Kiri Wagstaff. «Con immagini successive ad alta risoluzione possiamo misurare le dimensioni, il contrasto, la morfologia, la

COELUM ASTRONOMIA

68