第56回月惑星科学会議（LPSC）で発表された最近の研究では、火星のマッピングとイメージングを強化するための人工知能（AI）の使用が探求されています。この研究は、機械学習モデルを使用して、マーズ・リコネッサンス・オービター（MRO）コンテクストカメラ（CTX）からの軌道画像を改善することに焦点を当てています。
SETI研究所のアンドリュー・アネックス博士がこの研究を主導し、科学的発見を加速し、既存の火星データセットの価値を最大化することを目指しました。彼は、惑星全体の特定の画像類似性を識別し、グローバルCTXモザイク画像を分析できる視覚検索エンジンを開発しました。
この研究では、コンテンツベースの画像検索（CBIR）、OpenAI CLIP、およびクラウドコンピューティングアーキテクチャを評価しました。CBIRは、コンテンツに基づいて類似の画像をデータベースからスキャンし、OpenAI CLIPは、大規模なデータセットを使用して画像とテキストを比較します。クラウドコンピューティングは、リモートサーバーを介して広範なデータを管理します。
アネックス博士は、赤い惑星全体の特定の画像類似性の検索と識別を含め、火星上のグローバルCTXモザイク画像を分析するために機械学習を正常に使用しました。この研究は、太陽系全体の惑星表面での検索クエリの改善への扉を開きます。
NASAのマリナー4が1965年に火星周回機からの最初の画像をキャプチャして以来、多数の火星周回機が惑星の表面の詳細な画像を提供してきました。火星の表面全体は、NASAのコンテクストカメラと高解像度イメージング科学実験（HiRISE）カメラによって画像化されています。
アネックス博士は、画像分析方法を改善するための機械学習の重要性を強調し、計算能力は向上しましたが、データ分析の速度は追いついていないと指摘しています。機械学習は、タスクを自動化する際の柔軟性と速度を提供し、既存の方法を補完します。
機械学習は、既存の方法と分析を補完および強化し、画像分析の速度と精度を向上させ、火星や他の惑星に関する新しい発見につながるツールです。