En algún momento entre marzo de 2010 y mayo de 2012, un meteoro atravesó el cielo marciano y se rompió en pedazos, chocando contra la superficie del planeta. Los cráteres resultantes eran relativamente pequeños:solo 13 pies (4 metros) de diámetro. Cuanto más pequeñas sean las características, más difíciles son de detectar utilizando orbitadores de Marte. Pero en este caso, y por primera vez, los científicos los detectaron con una pequeña ayuda adicional:inteligencia artificial (IA).

Es un hito para los científicos planetarios y los investigadores de inteligencia artificial del Laboratorio de Propulsión a Chorro de la NASA en el sur de California. quienes trabajaron juntos para desarrollar la herramienta de aprendizaje automático que ayudó a hacer el descubrimiento. El logro ofrece la esperanza de ahorrar tiempo y aumentar el volumen de hallazgos.

Típicamente, Los científicos pasan horas cada día estudiando imágenes capturadas por el Mars Reconnaissance Orbiter (MRO) de la NASA, buscando fenómenos cambiantes de la superficie como remolinos de polvo, avalanchas y dunas cambiantes. En los 14 años del orbitador en Marte, los científicos han confiado en los datos de MRO para encontrar más de 1, 000 nuevos cráteres. Por lo general, se detectan primero con la cámara de contexto de la nave espacial, que toma imágenes de baja resolución que cubren cientos de millas a la vez.

Solo las marcas de explosión alrededor de un impacto se destacarán en estas imágenes, no los cráteres individuales, por lo que el siguiente paso es echar un vistazo más de cerca con el Experimento científico de imágenes de alta resolución, o HiRISE. El instrumento es tan poderoso que puede ver detalles tan finos como las huellas dejadas por el rover Curiosity Mars. (El equipo de HiRISE permite a cualquiera, incluyendo miembros del público, para solicitar imágenes específicas a través de su página HiWish).

El proceso requiere paciencia, requiriendo 40 minutos aproximadamente para que un investigador escanee cuidadosamente una sola imagen de la cámara de contexto. Para ganar tiempo, Los investigadores del JPL crearon una herramienta, denominada clasificador automático de cráteres de impacto fresco, como parte de un esfuerzo más amplio de JPL llamado COSMIC (Capturando el resumen a bordo para monitorear el cambio de imagen) que desarrolla tecnologías para las generaciones futuras de orbitadores de Marte.

Aprendiendo el paisaje

Para entrenar al clasificador de cráteres, los investigadores lo alimentaron 6, 830 imágenes de cámara de contexto, incluidos los de ubicaciones con impactos previamente descubiertos que ya habían sido confirmados a través de HiRISE. La herramienta también fue alimentada con imágenes sin nuevos impactos para mostrarle al clasificador lo que no debe buscar.

Una vez entrenado, el clasificador se implementó en todo el repositorio de la cámara de contexto de aproximadamente 112, 000 imágenes. Ejecutando en un clúster de supercomputadoras en JPL compuesto por docenas de computadoras de alto rendimiento que pueden operar en conjunto entre sí, un proceso que le toma a un ser humano 40 minutos le toma a la herramienta de inteligencia artificial un promedio de solo cinco segundos.

Un desafío fue averiguar cómo ejecutar hasta 750 copias del clasificador en todo el clúster simultáneamente, dijo el científico informático del JPL Gary Doran. "No sería posible procesar más de 112, 000 imágenes en un período de tiempo razonable sin distribuir el trabajo entre muchas computadoras, "Dijo Doran." La estrategia es dividir el problema en partes más pequeñas que puedan resolverse en paralelo ".

Pero a pesar de toda esa potencia informática, el clasificador todavía requiere que un humano verifique su trabajo.

"La IA no puede hacer el tipo de análisis experto que puede hacer un científico, ", dijo el científico informático del JPL Kiri Wagstaff." Pero herramientas como este nuevo algoritmo pueden ser sus asistentes. Esto allana el camino para una emocionante simbiosis de 'investigadores' humanos y de inteligencia artificial que trabajan juntos para acelerar el descubrimiento científico ".

El 26 de agosto 2020, HiRISE confirmó que una mancha oscura detectada por el clasificador en una región llamada Noctis Fossae era de hecho el grupo de cráteres. El equipo ya ha enviado más de 20 candidatos adicionales a HiRISE para que los revisen.

Si bien este clasificador de cráteres se ejecuta en computadoras conectadas a la Tierra, el objetivo final es desarrollar clasificadores similares diseñados para su uso a bordo por futuros orbitadores de Marte. Ahora, los datos que se envían a la Tierra requieren que los científicos examinen para encontrar imágenes interesantes, muy parecido a tratar de encontrar una aguja en un pajar, dijo Michael Munje, un estudiante graduado de Georgia Tech que trabajó en el clasificador como pasante en JPL.

"La esperanza es que en el futuro, La IA podría priorizar las imágenes orbitales en las que es más probable que los científicos estén interesados, "Dijo Munje.

Ingrid Daubar, un científico con nombramientos en el JPL y la Universidad de Brown que también participó en el trabajo, tiene la esperanza de que la nueva herramienta pueda ofrecer una imagen más completa de la frecuencia con la que los meteoros chocan contra Marte y también revelar pequeños impactos en áreas donde no se han descubierto antes. Cuantos más cráteres se encuentren, cuantos más científicos agreguen al cuerpo de conocimientos sobre el tamaño, forma, y frecuencia de impactos de meteoritos en Marte.

"Es probable que haya muchos más impactos que aún no hemos encontrado, ", dijo." Este avance le muestra cuánto puede hacer con misiones veteranas como MRO utilizando técnicas de análisis modernas ".