Trí tuệ nhân tạo (AI) phân tích dữ liệu do các tàu vũ trụ của Trung Quốc thu thập và tìm thấy hơn 109.000 hố trũng mới ở khu vực vĩ độ trung bình và thấp trên Mặt Trăng. Như vậy, số lượng hố trũng ghi nhận trên bề Mặt Trăng tăng gấp hơn 10 lần so với trước đây.
Nghiên cứu mới đăng trên tạp chí Nature Communications hôm 22/12.
"Đây là tập hợp dữ liệu lớn nhất được đúc kết tự động về hố trũng ở các vùng vĩ độ trung bình và thấp trên Mặt Trăng", Chen Yang, tác giả chính của nghiên cứu, phó giáo sư Khoa học Trái Đất tại Đại học Cát Lâm, cho biết.
Các hố va chạm hình thành do thiên thạch đâm xuống, bao phủ phần lớn bề mặt Mặt Trăng. Chúng có thể được coi là "hóa thạch" ghi lại quá khứ của hệ Mặt Trời, Yang nhận định. Những "hóa thạch" này rất đa dạng về hình dáng và kích thước. Chúng cũng có thể đè lên nhau và xói mòn qua thời gian. Vì vậy, việc nhận dạng và xác định niên đại của chúng vô cùng khó khăn và tốn thời gian. Quá trình này cũng mang tính chủ quan, dẫn đến sự thiếu nhất quán giữa các tập hợp dữ liệu.
Yang cùng nhóm nghiên cứu tiếp cận vấn đề bằng phương pháp học máy. Họ huấn luyện một mạng neuron sâu (DNN) với dữ liệu của hàng nghìn hố trũng đã biết và dạy thuật toán tìm kiếm những hố mới. Sau đó, mạng neuron sâu tiến hành xử lý dữ liệu do tàu Hằng Nga 1 và Hằng Nga 2 thu thập, tìm ra thêm 109.956 hố trũng trên bề mặt Mặt Trăng.
Phần lớn hố trũng mới thuộc loại nhỏ đến trung bình với đường kính 1-100 km. Có thể vì kích thước không lớn nên chúng chưa từng được phát hiện trước đó. Ngoài ra, chương trình AI cũng tìm ra những hố trũng lớn có hình dạng kỳ lạ và đã xói mòn, một số có đường kính tới 550 km.
Thuật toán cũng ước tính thời điểm gần 19.000 hố trũng hình thành dựa trên các đặc điểm như kích thước, độ sâu, và xếp chúng vào một khoảng thời gian địa chất nhất định. Chúng nằm rải rác trong cả 5 giai đoạn địa chất của Mặt Trăng, một số có niên đại lên tới 4 tỷ năm.
Các chuyên gia hy vọng cải tiến thuật toán phát hiện hố trũng bằng cách cung cấp thêm dữ liệu từ trạm đổ bộ Hằng Nga 5. Trong tương lai, nhóm nghiên cứu cũng muốn điều chỉnh và áp dụng phương pháp học máy với những thiên thể khác trong hệ Mặt Trời, ví dụ sao Hỏa.
