Китайские специалисты достигли прогресса в исследовании поверхности Марса, создав систему, использующую глубокие нейронные сети для автоматической классификации ударных кратеров с точностью 90,3%.
Алгоритм, обученный снимками камеры MoRIC с зонда «Тяньвэнь-1», определяет шесть типов кратеров: от свежих с чёткими краями до древних, почти стёртых эрозией. Это в разы сокращает время обработки данных и снижает ошибки, которые при ручной классификации достигали 35%, особенно для объектов размером менее километра.
Технология основана на принципе, аналогичном распознаванию объектов в автономных автомобилях: нейросети анализируют геометрию краёв, структуру дна и другие визуальные признаки, сравнивая их с эталонными данными из каталога Роббинса — крупнейшей базы марсианских кратеров.
Однако ключевой вызов — несбалансированность данных. Например, кратеров одного типа в выборке может быть в десятки раз больше, чем других. Чтобы нейросеть не игнорировала редкие классы, исследователи применили два подхода: сглаживание меток, когда алгоритму «разрешают» сомневаться в чёткой принадлежности объекта к доминирующему классу, и взвешенные ошибки, где система сильнее «штрафуется» за неточности в малочисленных категориях.
Модель Vision Transformer (ViT), которая разделяет изображение на фрагменты и анализирует их как пазл, показала наилучший результат. Её точность выше классических сверточных сетей (CNN), таких как VGGNet11, на 1,3%. Такая эффективность позволяет использовать систему для определения возраста регионов Марса — чем больше кратеров на участке, тем он старше — и выбора безопасных зон для посадки марсоходов. Например, свежие кратеры часто указывают на устойчивый грунт, а размытые — на риск застревания.
Технология выходит за пределы Красной планеты. Учёные стремятся применить её для обработки данных с Луны и астероидов, где ручная обработка невозможна из-за задержки связи. В будущем алгоритмы могут объединиться с системами обнаружения кратеров в режиме реального времени, превращая исходные снимки зондов в динамические карты за короткий период. Это ускорит изучение геологической истории Марса и заложит основу для автономных миссий к Юпитеру или в пояс астероидов, где каждое решение должно приниматься без участия Земли. С таким уровнем автоматизации планетология вступает в эру, когда даже редкие типы кратеров становятся ключом к расшифровке хроники Солнечной системы.