Entre mars 2010 et mai 2012, un météore a traversé le ciel martien et s'est brisé en morceaux, percutant la surface de la planète. Les cratères résultants étaient relativement petits – seulement 13 pieds (4 mètres) de diamètre. Plus les caractéristiques sont petites, plus ils sont difficiles à repérer à l'aide des orbiteurs martiens. Mais dans ce cas, et pour la première fois, les scientifiques les ont repérés avec une petite aide supplémentaire :l'intelligence artificielle (IA).

C'est une étape importante pour les planétologues et les chercheurs en IA du Jet Propulsion Laboratory de la NASA en Californie du Sud, qui ont travaillé ensemble pour développer l'outil d'apprentissage automatique qui a aidé à faire la découverte. Cette réalisation offre un espoir à la fois de gagner du temps et d'augmenter le volume de découvertes.

Typiquement, les scientifiques passent des heures chaque jour à étudier les images capturées par Mars Reconnaissance Orbiter (MRO) de la NASA, à la recherche de phénomènes de surface changeants comme les diables de poussière, avalanche, et les dunes mouvantes. Au cours des 14 années de l'orbiteur sur Mars, les scientifiques se sont appuyés sur les données MRO pour trouver plus de 1, 000 nouveaux cratères. Ils sont généralement détectés pour la première fois avec la caméra contextuelle du vaisseau spatial, qui prend des images à basse résolution couvrant des centaines de kilomètres à la fois.

Seules les marques de souffle autour d'un impact ressortent sur ces images, pas les cratères individuels, la prochaine étape consiste donc à examiner de plus près avec l'expérience scientifique d'imagerie à haute résolution, ou HiRISE. L'instrument est si puissant qu'il peut voir des détails aussi fins que les traces laissées par le rover Curiosity Mars. (L'équipe HiRISE permet à tout le monde, y compris les membres du public, pour demander des images spécifiques via sa page HiWish.)

Le processus demande de la patience, nécessitant environ 40 minutes pour qu'un chercheur scanne soigneusement une seule image de la caméra contextuelle. Gagner du temps, Les chercheurs du JPL ont créé un outil, appelé classificateur automatisé de cratères d'impact frais, dans le cadre d'un effort plus large du JPL nommé COSMIC (Capturing Onboard Summarization to Monitor Image Change) qui développe des technologies pour les futures générations d'orbiteurs martiens.

Apprendre le paysage

Pour entraîner le classificateur de cratère, les chercheurs l'ont nourri 6, 830 images de caméra contextuelle, y compris ceux des emplacements avec des impacts précédemment découverts qui avaient déjà été confirmés via HiRISE. L'outil a également été alimenté en images sans impact frais afin de montrer au classificateur ce qu'il ne faut pas rechercher.

Une fois formé, le classificateur a été déployé sur l'ensemble du référentiel de la Context Camera d'environ 112, 000 images. Fonctionnant sur un cluster de supercalculateurs au JPL composé de dizaines d'ordinateurs hautes performances pouvant fonctionner de concert les uns avec les autres, un processus qui prend 40 minutes à un humain prend en moyenne cinq secondes à l'outil d'IA.

L'un des défis consistait à déterminer comment exécuter simultanément jusqu'à 750 copies du classificateur sur l'ensemble du cluster, a déclaré Gary Doran, informaticien du JPL. "Il ne serait pas possible de traiter plus de 112, 000 images dans un délai raisonnable sans répartir le travail sur plusieurs ordinateurs, " a dit Doran. " La stratégie est de diviser le problème en plus petits morceaux qui peuvent être résolus en parallèle. "

Mais malgré toute cette puissance de calcul, le classificateur nécessite toujours un humain pour vérifier son travail.

"L'IA ne peut pas faire le genre d'analyse qualifiée qu'un scientifique peut faire, " a déclaré l'informaticien du JPL Kiri Wagstaff. " Mais des outils comme ce nouvel algorithme peuvent être leurs assistants. Cela ouvre la voie à une symbiose passionnante d'« investigateurs » humains et d'IA travaillant ensemble pour accélérer les découvertes scientifiques. »

Le 26 août, 2020, HiRISE a confirmé qu'une tache sombre détectée par le classificateur dans une région appelée Noctis Fossae était en fait le groupe de cratères. L'équipe a déjà soumis plus de 20 candidats supplémentaires pour HiRISE à vérifier.

Alors que ce classificateur de cratère fonctionne sur des ordinateurs terrestres, l'objectif ultime est de développer des classificateurs similaires adaptés à une utilisation à bord par les futurs orbiteurs de Mars. À l'heure actuelle, les données renvoyées sur Terre obligent les scientifiques à passer au crible pour trouver des images intéressantes, un peu comme essayer de trouver une aiguille dans une botte de foin, dit Michael Munje, un étudiant diplômé de Georgia Tech qui a travaillé sur le classificateur en tant que stagiaire au JPL.

"L'espoir est qu'à l'avenir, L'IA pourrait donner la priorité aux images orbitales auxquelles les scientifiques sont plus susceptibles d'être intéressés, " a déclaré Munje.

Ingrid Daubar, un scientifique avec des nominations au JPL et à l'Université Brown qui a également été impliqué dans les travaux, espère que le nouvel outil pourrait offrir une image plus complète de la fréquence à laquelle les météores frappent Mars et révéler également de petits impacts dans des zones où ils n'ont jamais été découverts auparavant. Plus on trouve de cratères, plus les scientifiques ajoutent au corpus de connaissances de la taille, forme, et la fréquence des impacts de météores sur Mars.

"Il y a probablement beaucoup plus d'impacts que nous n'avons pas encore trouvés, ", a-t-elle déclaré. "Cette avancée vous montre tout ce que vous pouvez faire avec des missions de vétéran comme le MRO en utilisant des techniques d'analyse modernes."