جديد العلوم

تقنية من جامعة “كاوست” لتحديد مواقع الحُفَر والأخاديد على القمر لتسهيل عمليات الاستكشاف

يحتوي القمر على عدد كبير من الحُفَر والأخاديد، ولكن الوصول إليها يعد أمراً بالغ الصعوبة، وهو ما دفع العلماء في جامعة الملك عبد الله للعلوم والتقنية (كاوست) إلى تطوير طريقة تستند إلى تقنيات التعلم الآلي والذكاء الاصطناعي تعمل على تحديد مواقع الحُفَر والأخاديد في نفس الوقت مما يسهل عمليات الاستكشاف التي تتم على القمر. طريقة جامعة “كاويست” تهدف إلى الاستفادة من الموارد والثروات التي يحويها القمر، وهو ما عزز إمكانية صرف مبالغ طائلة على الأبحاث والدراسات بهدف استغلال موارده في دفع عجلة الاقتصاد العالمي. يمكن لطريقة «المسح الضوئي» للقمر أن تُحسّن بشكل كبير من كفاءة اختيار المواقع المراد استكشافها. كما يمكنها تصنيف الخصائص القمرية المهمة أوتوماتيكياً من الصور التي التقطت عبر التلسكوب. وفقا لجريدة الشرق الأوسط.

وهذا يرجع إلى أن ثمة أمور أكثر تعقيدا لا تتبدى أمام أعيننا، على وجه التحديد ما يتعلق باختيار موقع هبوط أو استكشاف على سطح القمر.

ويشار إلى أن مساحة سطح القمر المرئية أكبر من مساحة روسيا، وهي مثقبة حيث توجد بها آلاف الحفر، وتتقاطع مع الأخاديد القمرية الشبيهة بالوادي. كما أن اختيار مواقع الهبوط والاستكشاف المستقبلية يعتمد على أكثر المواقع المستقبلية الواعدة للبناء أو المعادن أو موارد الطاقة المحتملة. ومع ذلك، فإن مسح هذه المنطقة الكبيرة بالعين، بغية البحث عن معالم ربما يبلغ عرضها بضعة مئات من الأمتار، يعد أمراً شاقاً وغير دقيق في كثير من الأحيان، مما يجعل من الصعب اختيار أفضل المناطق الصالحة للاستكشاف.

ولحل هذه المعضلة؛ قام كل من طالب درجة الدكتوراة سيوان تشن والبروفيسور أكسين غاو،أستاذ علوم الحاسب الآلي، والبروفيسور شويو صون، أستاذ هندسة وعلوم الأرض ب«كاوست»، جنباً إلى جنب مع زملائهم من الجامعة الصينية بهونج كونج، بتطبيق التعلم الآلي والذكاء الاصطناعي لأتمتة عملية تحديد المناطق المرتقبة للهبوط والاستكشاف على سطح القمر.

يقول تشن: “نحن بصدد البحث عن بعض خصائص القمر مثل الحُفر والأخاديد، التي يُعتقد أنها نقاط ساخنة لبعض موارد الطاقة مثل اليورانيوم والهيليوم٣، وهو مورد واعد للاندماج النووي “. ويضيف: “تم اكتشاف كلاهما في الحُفَر القمرية، ويمكن أن يكونا موردين مفيدَين لتجديد وقود المركبات الفضائية“.

ويعد التعلم الآلي تقنية عالية الفعالية لتدريب نموذج الذكاء الاصطناعي للبحث عن ميزات معينة بمفرده.

تمثلت المشكلة الأولى التي واجهها تشن وزملاؤه في عدم وجود مجموعة بيانات مصنّفة للأخاديد التي يمكن استخدامها لتدريب نموذجهم. وهنا، يقول تشن موضحاً: “لقد تغلبنا على هذا التحدي من خلال بناء مجموعة بيانات التدريب الخاصة بنا مع تعليقات توضيحية لكل من الحُفر والأخاديد”.

وعن الكيفية التي مكّنتهم من التغلب على هذا التحدي يقول تشن: “للقيام بذلك؛ استخدمنا نهجاً يسمى “نقل التعلم” (عملية نقل معلمات النموذج التي تم تعلمها وتدريبها إلى نموذج جديد للمساعدة في تدريب النموذج الجديد) لإجراء تدريب مسبق لنموذج الأخدود الخاص بنا على مجموعة البيانات المتعلقة بتصدع السطح، بالإضافة إلى بعض الضبط الدقيق باستخدام أقنعة الأخاديد الفعلية. وتوصلنا إلى أن الطرق السابقة تتطلب شرحاً توضيحياً يدوياً على الأقل لجزء من صور الإدخال. بخلاف نهجنا الذي لا يتطلب أي تدخل بشري، وبالتالي سمح لنا بإنشاء مجموعة بيانات كبيرة وعالية الجودة“.

أما التحدي التالي فقد تمثّل في الحاجة إلى تطوير نهج حسابي يمكن استخدامه لتحديد الحُفر والأخاديد في نفس الوقت، وهو أمر لم يتم التطرق إليه من قبل. وهو ما يشير إليه تشن: “هذه مشكلة بكسل إلى بكسل، ولحلها نحتاج إلى حجب الحُفر والأخاديد بدقة في صورة القمر.” ويضيف: “لقد تمكنا من حل هذه المشكلة عن طريق إنشاء إطار عمل تعليمي عميق يسمى “شبكة القمر عالية الدقة”، والتي تحتوي على شبكتين مستقلتين تشتركتان في نفس بنية الشبكة لتحديد الحُفر والأخاديد في آنٍ واحِد.”

وقد حقق النهج الذي اتبعه الفريق دقة تصل إلى ٨٣.٧%، أعلى من أحدث التقنيات التي تم التوصل إليها لاكتشاف الحُفر.

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى