Mit künstlicher Intelligenz Planeten kartieren

Kann das Kartieren von planetaren Landformen automatisiert werden? Mithilfe von künstlicher Intelligenz und Deep Learning haben Wissenschaftler der Constructor University in Bremen, sowie der Universitäten Padua und Bologna einen neuartigen Open-Source-Ansatz für die automatische Kartierung von planetaren Landformen entwickelt. „DeepLandforms“, die Vorabversion des Programms, wurde Ende Dezember veröffentlicht.

Geologische Karten von Planetenoberflächen wie etwa vom Mars zu erstellen, ist ein komplexer Prozess. Von der Datenerfassung über die Datenauswertung bis hin zur Veröffentlichung in unterschiedlichen Formaten – die Erstellung von Karten basiert auf einem zeitaufwändigen, mehrstufigen Verfahren. Wissenschaftliche Literatur sowie zahlreiche Anwendungen belegen, dass Techniken des Deep Learning, welche künstliche neuronale Netze zur Analyse von Datensätzen nutzen, den Herstellungsprozess deutlich verbessern können. Bis jetzt stand jedoch kein gebrauchsfertiger und hochgradig anpassbarer Open-Source-Werkzeugkasten für die Kartierung von Planeten zur Verfügung.

„Uns ging es darum, sofort einsatzbereite, einfach nutzbare und konfigurierbare Werkzeuge zu entwickeln“, sagt Giacomo Nodjoumi von der Constructor University, der „DeepLandforms“ maßgeblich entwickelt hat. Das Programm steht als Open Source zur Optimierung zur Verfügung und zeigt eine effektive, einfache und kostengünstige Methode für die Kartierung von Planeten im All.

Welche Ergebnisse mithilfe der Software für die planetare Kartierung zu erzielen sind, haben die Wissenschaftler exemplarisch an einer bestimmten Landform auf dem Mars gezeigt, die Lavaröhren auf der Erde ähneln. Geologische Karten sind ein wichtiges Hilfsmittel bei der Erforschung von Planeten, denn sie dienen auch als Grundlage für mögliche Erkundungen durch Roboter oder Menschen.

Constructor U. / RK

Weitere Infos

• Originalveröffentlichung
  G. Nodjoumi et al.: DeepLandforms: A Deep Learning Computer Vision Toolset Applied to a Prime Use Case for Mapping Planetary Skylights, Earth Sp. Sci., online 27. Dezember 2022; DOI: 10.1029/2022EA002278
• Physics & Earth Sciences, Constructor University, Bremen