環球科學 - 用深度學習算法「看清」月球陰影之地－鑽石舞台

圖片來源：Pixabay

撰文 | 常瑞華（Connie Chang）

翻譯 | 董子晨曦

月球極地的一些區域無法受到陽光直射，永久性處於陰影之中，因此被稱作「永久陰影區域」（PSRs）。最近的研究表明，這些永久陰影區域富含「冷阱」（冰凍的水或水冰），或許可以用於揭示有關太陽系早期的歷史，也或許能幫助未來到訪月球的人製造燃料等資源。但月球軌道上的衛星很難捕獲永久陰影區域的圖像。因此，研究這些黑暗的區域一直是不小的挑戰。此外，即便有少量光子從永久陰影區域反射出來，也常常被相機噪聲和光子的量子效應所湮沒。

在一項發表於《自然· 通訊》(Nature Communications)的研究中，研究人員開發了一種基於深度學習的算法，可以消除干擾，從而看到月球陰影的區域。德國馬克斯· 普朗克太陽系研究所的行星科學家瓦倫丁· 比克爾（Valentin Bickel，這項研究的第一作者）表示：「我們的圖像能讓科學家第一次清楚地辨識出尺寸小到3米的隕石坑和巨石等地質結構，這比此前的圖像分辨率高5~10倍。」

研究人員選用了7萬多張在月球暗面拍攝的圖像，再結合拍攝圖像時相機的溫度及其在月球軌道上的位置，就可以用這些數據來訓練算法，從而識別和過濾相機的噪聲。接下來，為了解決殘留噪聲的問題，例如光子的量子效應，他們讓算法「學習」數百萬張太陽照射下的月球圖像，以及將相同圖像做陰影處理後的模擬圖像。美國航空航天局（NASA）艾姆斯研究中心（Ames Research Center）的工程師伊格納西奧·洛佩茲-弗朗科斯（Ignacio Lopez-Francos，這項研究的共同作者）解釋道：「使用這種陰影模擬後的圖像是必要的，因為並不存在太陽照射下的永久陰影區域。」類似的技術也被用於低光照環境下的數碼相機成像。

「這是機器學習技術的一項有趣應用。而且對於這個實例而言，研究中所用到的噪聲模型是實際且有用的。」新加坡南洋理工大學的計算機科學家李重儀（Chongyi Li，未參與這項研究）評價道。他在水下圖像增強的研究中也使用了類似的策略。

除此之外，研究人員還使用這套算法分析了幾個永久陰影區域的隕石坑和巨石的尺寸和分布情況，這些區域是NASA「阿爾忒彌斯」（Artemis）登月計劃可能要探訪的區域。他們還推測了一些巨石的可能來源，並測繪出一條潛在的路線。這些信息可以在不久的未來發揮作用，協助月球車避開障礙物以及坡度大於10度的斜坡，從而使月球車成功穿過月球萊布尼茨高原（Leibnitz plateau）上的永久陰影區域。

月球上的冰要麼散布在月球的土壤之中，要麼儲存在更密集的冰層中。這項研究所提供的圖像處理方式，提供了一種檢驗這些假設的方式。