Нейронные сети помогли открыть новые области загадочной природы на Луне — так называемые масконы.
В гравитационном поле Луны проявлены интенсивные аномалии, аналоги которых на Земле отсутствуют. Несмотря на то, что впервые они были выделены в конце 60-х годов прошлого века по отклонениям в движении искусственных спутников Луны, природа их возникновения до сих пор остаётся дискуссионной и неизвестной.
Маскон (от англ. mass concentration) — это скопления более плотного вещества внутри Луны. Они искажают её гравитационное поле, делая его «неровным». Из-за этого космическим аппаратам сложнее летать по орбите, а учёным — понять, как устроена внутренняя структура спутника Земли.
До недавнего времени было известно около 60 таких аномалий. Но выпускник MSU.AI Кирилл Кузнецов вместе с коллегами смог не только подтвердить уже открытые объекты, но и обнаружить новые области, представляющие несомненный интерес при изучении внутреннего строения Луны.
Кирилл Кузнецов совместно с коллегами в своём исследовании применил свёрточные нейронные сети, которые были обучены на выборке синтетически смоделированных данных, имитирующих аномалии силы тяжести масконов. Результаты своего исследования он опубликовал в научном журнале «Геофизика».
В итоге удалось:
Такие методы можно применять и на Земле — например, для поиска полезных ископаемых. То, что начиналось как космическая задача, может помочь и в решении вполне земных проблем.
Кирилл Кузнецов, доцент кафедры геофизических методов исследования земной коры геологического факультета МГУ, выпускник MSU.AI: «Тематика изучения Луны всё чаще появляется в новостных лентах, и мы не остаёмся в стороне. В ходе исследования разработан подход к выделению аномалий в её гравитационном поле с применением технологий искусственного интеллекта, который может быть применён для автоматизации процесса создания объёмной плотностной модели спутника Земли. Также важно отметить, что разработанный подход может быть применён в задачах анализа геофизических полей Земли с целью, например, поиска полезных ископаемых.»
Никита Беляков, научный консультант MSU.AI и соавтор работы, объясняет: «Масконы (mass concentration) — это аномальные плотные скопления массы внутри Луны, создающие аномалии в её гравитационном поле. Известно всего порядка 60 таких областей, но каждая из них до сих пор требует дополнительного изучения, на что и была направлена работа Кирилла Кузнецова.
С помощью свёрточных нейронных сетей удалось выделить все уже известные масконы, уточнив их границы, а также найти несколько потенциально новых мест, ранее не обозначенных в каталогах, что станет поприщем для дальнейших исследований.»
Результаты опубликованы в научном журнале «Геофизика»
Код и примеры доступны на GitHub.
Отметим, что результаты проекта MSU.AI стали возможными благодаря фонду «Интеллект», а также инициативе и поддержке Фонда «Вольное Дело» Олега Дерипаска
В гравитационном поле Луны проявлены интенсивные аномалии, аналоги которых на Земле отсутствуют. Несмотря на то, что впервые они были выделены в конце 60-х годов прошлого века по отклонениям в движении искусственных спутников Луны, природа их возникновения до сих пор остаётся дискуссионной и неизвестной.
Маскон (от англ. mass concentration) — это скопления более плотного вещества внутри Луны. Они искажают её гравитационное поле, делая его «неровным». Из-за этого космическим аппаратам сложнее летать по орбите, а учёным — понять, как устроена внутренняя структура спутника Земли.
До недавнего времени было известно около 60 таких аномалий. Но выпускник MSU.AI Кирилл Кузнецов вместе с коллегами смог не только подтвердить уже открытые объекты, но и обнаружить новые области, представляющие несомненный интерес при изучении внутреннего строения Луны.
Кирилл Кузнецов совместно с коллегами в своём исследовании применил свёрточные нейронные сети, которые были обучены на выборке синтетически смоделированных данных, имитирующих аномалии силы тяжести масконов. Результаты своего исследования он опубликовал в научном журнале «Геофизика».
В итоге удалось:
- разработать подход к локализации аномалий силы тяжести на основе нейронных сетей
- подтвердить более 90% известных масконов
- и самое главное — открыть новые области, которые теперь ждут дальнейшего изучения
Такие методы можно применять и на Земле — например, для поиска полезных ископаемых. То, что начиналось как космическая задача, может помочь и в решении вполне земных проблем.
Кирилл Кузнецов, доцент кафедры геофизических методов исследования земной коры геологического факультета МГУ, выпускник MSU.AI: «Тематика изучения Луны всё чаще появляется в новостных лентах, и мы не остаёмся в стороне. В ходе исследования разработан подход к выделению аномалий в её гравитационном поле с применением технологий искусственного интеллекта, который может быть применён для автоматизации процесса создания объёмной плотностной модели спутника Земли. Также важно отметить, что разработанный подход может быть применён в задачах анализа геофизических полей Земли с целью, например, поиска полезных ископаемых.»
Никита Беляков, научный консультант MSU.AI и соавтор работы, объясняет: «Масконы (mass concentration) — это аномальные плотные скопления массы внутри Луны, создающие аномалии в её гравитационном поле. Известно всего порядка 60 таких областей, но каждая из них до сих пор требует дополнительного изучения, на что и была направлена работа Кирилла Кузнецова.
С помощью свёрточных нейронных сетей удалось выделить все уже известные масконы, уточнив их границы, а также найти несколько потенциально новых мест, ранее не обозначенных в каталогах, что станет поприщем для дальнейших исследований.»
Результаты опубликованы в научном журнале «Геофизика»
Код и примеры доступны на GitHub.
Отметим, что результаты проекта MSU.AI стали возможными благодаря фонду «Интеллект», а также инициативе и поддержке Фонда «Вольное Дело» Олега Дерипаска