Vũ trụ bao la rộng lớn luôn là nơi kích thích sự tò mò của con người muốn được đặt chân lên một lần khám phá. Trong hành trình khám phá vũ trụ đã nhiều lần con người đặt chân đến Mặt trăng, nơi đây có bầu không khí lạnh cùng nền tài nguyên khoáng sản và năng lượng vô cùng độc đáo. Tuy nhiên để khám phá được hết những tài nguyên này không phải là điều dễ mà cần có sự hỗ trợ của nhiều công nghệ hiện đại. Mới đây các nhà khoa học đã ứng dụng thành công công nghệ trí tuệ nhân tạo vào việc khai phá tài nguyên khoáng sản trên Mặt trăng với mong muốn tìm ra nhiều điều thú vị ở hành tinh này. Sau đây các bạn hãy cùng chúng tôi tìm hiểu về công nghệ hiện đại này nhé.
Sử dụng công nghệ AI để tìm tài nguyên khoáng sản trên Mặt trăng
Các nhà nghiên cứu tại Đại học Khoa học và Công nghệ King Abdullah (KAUST). Họ đã phát triển phương pháp học máy và Trí tuệ nhân tạo (AI) mới. Để đẩy nhanh việc tìm kiếm các địa điểm trên Mặt trăng. Nơi có giá trị về năng lượng, tài nguyên khoáng sản.
Một sáng tạo kỹ thuật Moon-scan mới có thể tự động phân loại các yếu tố quan trọng từ hình ảnh kính viễn vọng có thể dẫn đến tăng cường đáng kể khả năng tìm kiếm nguồn năng lượng và tài nguyên khoáng sản trên Mặt trăng.
Con người sẽ đào sâu xuống bề mặt của Mặt trăng. Khai thác các nguồn tài nguyên quý, năng lượng và khoáng chất, bạch kim. Thậm chí là đất hiếm trong tương lai gần. Quá trình lựa chọn địa điểm hạ cánh và thăm dò trên Mặt trăng thực sự vô cùng phức tạp. Diện tích có thể quan sát được của bề mặt Mặt Trăng được đánh dấu bởi hàng nghìn núi lửa và đan xen bởi các đường rãnh giống như hẻm núi.
Tìm kiếm các khoáng chất và nguồn năng lượng có giá trị
Lựa chọn về các địa điểm thăm dò và hạ cánh trong tương lai. Có thể dẫn đến các địa điểm tiềm năng đáng khích lệ nhất để xây dựng. Cũng như tìm kiếm hoặc tận dụng các nguồn tài nguyên năng lượng và khoáng sản sẵn có. Tuy nhiên, việc tìm kiếm những khu vực rộng lớn như vậy bằng mắt thường rất khó khăn. Thạm chí là thường xuyên bị sai sót. Do đó khó khăn trong việc lựa chọn những vùng lý tưởng để khám phá.
Siyuan Chen, Xin Gao và Shuyu Sun. Cùng với các cộng sự từ Đại học Khoa học và Công nghệ King Abdullah (KAUST). Hiện nay sử dụng máy học và trí tuệ nhân tạo. Để tự động phát hiện và phân loại các nơi có thể hạ cánh trên Mặt trăng. Nói đó chứa đầy khoáng sản tha hồ thăm dò phong phú.
Chen giải thích: “Chúng tôi đang tìm kiếm các đặc điểm Mặt trăng như miệng núi lửa và rãnh. Được cho là điểm nóng cho các nguồn năng lượng như uranium và helium-3. Đây là một nguồn tài nguyên đầy hứa hẹn cho phản ứng tổng hợp hạt nhân. Cả hai đều đã được phát hiện trong các miệng núi lửa trên Mặt trăng. Có thể là nguồn tài nguyên hữu ích để bổ sung nhiên liệu cho tàu vũ trụ trong tương lai”.
Tối ưu hóa việc tìm kiếm trên Mặt trăng với trí tuệ nhân tạo
Học máy cung cấp một phương pháp cực kỳ hiệu quả. Để đào tạo mô hình Trí tuệ nhân tạo tự tìm kiếm các đặc điểm cụ thể. Tuy nhiên, Chen và các cộng sự của ông phải đối mặt với một số thách thức. Khi phát triển phương pháp của họ. Khó khăn đầu tiên là không có tập dữ liệu được gắn nhãn cho các rãnh địa chất có thể được sử dụng để dạy mô hình AI.
Chen cho biết: “Chúng tôi đã vượt qua thách thức này. Bằng cách xây dựng bộ dữ liệu đào tạo của riêng mình. Với các chú thích cho cả miệng núi lửa và các rãnh địa chất Mặt trăng. Để làm được điều này, chúng tôi sử dụng một cách tiếp cận. Gọi là học tập chuyển giao mô hình Rillé trên một tập dữ liệu vết nứt bề mặt thực tế. Do đó cho phép chúng tôi xây dựng một bộ dữ liệu lớn, chất lượng cao hơn”.
Các chuyên gia cho rằng, nhiều nguồn bạch kim và đất hiếm khổng lồ ẩn chứa bên dưới bề mặt của Mặt trăng. Một khó khăn khác mà các nhà nghiên cứu phải đối mặt là khả năng xây dựng một phương pháp tính toán có thể áp dụng để phát hiện đồng thời cả miệng núi lửa và rãnh địa chất, điều chưa đạt được trước đây.
Hiệu quả của công nghệ AI mang lại
Chen giải thích: “Đây là một vấn đề chúng ta cần định vị chính xác các miệng núi lửa và rãnh địa chất trong hình ảnh Mặt trăng. “Chúng tôi đã giải quyết vấn đề này bằng cách xây dựng một khung học sâu. Có tên là high-Resolution-moon-net. Có hai mạng độc lập chia sẻ cùng một kiến trúc mạng. Để xác định đồng thời miệng núi lửa và rãnh địa chất”.
Phương pháp luận mới của các nhà nghiên cứu đã đạt được tỷ lệ chính xác đáng kinh ngạc. Cao tới 83,7%. Cao hơn nhiều so với các kỹ thuật hiện đại tương tự để phát hiện miệng núi lửa.
Hố va chạm là đặc trưng địa hình nổi bật nhất trên bề mặt Mặt Trăng. Và xuất hiện ở hầu hết bề mặt của Mặt Trăng. Với các phương pháp nhận diện tự động được áp dụng lâu nay. Nhìn chung rất khó để phát hiện các hố va chạm có hình dạng bất thường. Hay là bị xói mòn nghiêm trọng mà có thể đã hình thành trong thời kỳ đầu.
Để dễ dàng xác định vị trí và ước tính tuổi của các hố va chạm. Các nhà nghiên cứu đã áp dụng phương pháp học chuyển giao (transfer learning). Và đào tạo một mạng thần kinh sâu với dữ liệu của các hố va chạm đã được xác định trước đó.
Nhờ kết hợp dữ liệu do các tàu thăm dò Mặt Trăng Thường Nga 1 (Chang’e-1) và Thường Nga 2 (Chang’e-2) của Trung Quốc thu thập, các nhà nghiên cứu đã xác định được 109.956 hố va chạm mới. Họ cũng ước tính được tuổi của 18.996 hố va chạm có đường kính lớn hơn 8 km mới được phát hiện.
