A gépi tanulás felhasználása az antarktiszi meteoritkutatásban

Szerző: Rezes Dániel

Az Antarktiszon folytatott szisztematikus meteoritkutatás már a kezdetektől fogva jelentős eredményeket hozott a tudomány számára, azonban most egy hatékony gépi tanulási algoritmus segítségével a kutatóknak lehetősége nyílhat rá, hogy még megannyi darabbal bővíthessék az extraterresztrikus környezetből származó minták számát. A Science Advances nevű szaklapban megjelent cikkükben belga és holland szerzők arról számoltak be, hogy több mint 600 olyan területet azonosítottak a kontinensen, melyek potenciális meteoritlelőhelyek lehetnek a jövőbeli expedíciók számára.

Az ANSMET (Antarctic Search for Meteorites) kutatói begyűjtenek egy meteoritot az Antarktisz jegéről. (H. Raab/Wikipedia)

A meteoritok egyedülálló jelentőséggel bírnak a Naprendszer eredetének és fejlődésének megértésében. Ezeknek a kőzeteknek a legjelentősebb gyűjtőhelye az Antarktisz, a Földön fellelt meteoritok nagyjából 62%-át itt találták. Habár ez a kontinens nem az első számú lehullási helye a meteoritoknak – mivel a korábbi becslések ezt az Egyenlítő közelében valószínűsítik – azonban az egyik legjobb helyszín a megtalálásukhoz, mivel egyrészt a fekete olvadási kéreggel rendelkező meteoritok könnyen felismerhetőek a világos árnyalatú jegen és havon, másrészt pedig a jégtakaró mozgása zónákban koncentrálhatja a különböző időben és helyszínen lehullott kőzeteket. Emellett az sem elhanyagolható szempont, hogy a sarkvidéki klíma tökéletes az extraterresztrikus kőzetek konzerválására, így megvédve őket a mállás hatásaitól.

Az antarktiszi meteoritok koncentrálódásának két lehetséges folyamatát bemutató sematikus ábra Tollenaar et al. (2022) alapján. Az alapkőzetek barna színnel jelöltek. A kék színek a jeget jelölik (minél sötétebb, annál idősebb), míg a fehér a havat. A meteoritokat a fekete pöttyök jelzik. Ezeken felül az ábrán még láthatjuk a hó akkumulációját (felhalmozódását), vörös nyilakkal a jég ablációjának (szublimációjának) helyét, a jég ablációját elősegítő szelek irányát, valamint szürke nyilakkal a jégbe ágyazott meteoritok mozgását.

A meteoritok zónákban történő felhalmozódása izgalmas folyamat során jön létre. A jégmezőn lehullott meteoritok bizonyos idő elteltével befagynak a jégbe, majd a jégtakaró lassú mozgása során azzal együtt mozognak, mígnem elérnek egy topográfiai magaslatot (pl. hegyek, fedett kiemelkedések). Ennél az akadálynál a takaró rétegei felfelé hajlanak, ami lehetővé teszi azt, hogy a kőzetek egy sávban összpontosuljanak, miközben a felszín felé törnek. Azokon a területeken (ún. kék jégmezők), ahol a hó és jég vízpárává történő halmazállapot-változása (szublimációja) gyorsabb, mint a felhalmozódásának mértéke, ezek a koncentrálódási zónák kutathatóvá válnak.

Ezidáig azonban a meteoritok felderítése részben a szerencsén múlt, mivel a műholdképek elemzése rendkívül időigényes, a lelőhelyfelderítés pedig igen költséges. Erre a problémára próbált megoldást találni a kutatócsapat. A csapat a zónákban koncentrálódó meteoritok megtalálására egy gépi tanulási algoritmust kombinált olyan adatokkal, mint a jégtakaró mozgásának sebessége, a jégvastagság, a felszíni hőmérséklet, az alapkőzet morfológiája (alakja), valamint az ismert lelőhelyek elhelyezkedése. Az elemzés 613 lehetséges helyszínt adott, melyek közül több is sarkkutató bázisok közelében helyezkedik el.

A gépi tanulás a mesterséges intelligenciának az a része, mely számítógépeket tanít be matematikai adatmodellek segítségével úgy, hogy a műveletnek nincs közvetlen felügyelete. A metódus pontossága növelhető a bevitt adatok és tapasztalatok növekedésével. A számítógép úgy képes különböző feladatokra megoldást találni, illetve előrejelzéseket készíteni, hogy szabályrendszerek segítségével az adatokban mintázatokat keres, majd ezek segítségével adatmodelleket készít. A módszer az emberi gondolkodáshoz és annak fejlődéséhez hasonlóan a legfrissebb adatok és gyakorlati tapasztalatok útján képes önállóan feladatokat végrehajtani és önmagát fejleszteni.

Az antarktiszi meteoritok lehetséges lelőhelyeit mutató ábra Tollenaar et al. (2022) alapján. A középső kép az elemzések során kapott lehetséges lelőhelyeket mutatja, míg az azt körülvevő A-G jelű ábrák a már ismert lelőhelyeket jelzik. A bal alsó sarokban a meteoritok jelenlétének valószínűsége látható.

A kutatók által végzett munka azért fontos, mert az Antarktiszon ezidáig megtalált nagyjából 45000 meteorit a számítások alapján csak kevesebb mint 15 százaléka a felszínen még begyűjtésre váró mintáknak, így még számos kőzet vár megtalálásra a kék jégmezőkön. A térkép terepi tesztelése folyamatban van, a kutatócsapat nyilvánosan elérhetővé tette azt más expedíciók számára is. Habár a módszer hatásossága még nem bizonyított, remélhetőleg a jövőben a mesterséges intelligencia széles körű felhasználást tesz majd lehetővé az ilyen jellegű kutatásokban.

Források:
[1] https://www.sciencenews.org/article/machine-learning-meteorite-antarctica
[2] https://wheretocatchafallingstar.science/
[3] Tollenaar, V., Zekollari, H., Lhermitte, S., Tax, D. M., Debaille, V., Goderis, S., Claeys, P., & Pattyn, F. (2022). Unexplored Antarctic meteorite collection sites revealed through machine learning. Science Advances, 8(4), eabj8138., 14 p.
[4] https://azure.microsoft.com/hu-hu/overview/what-is-machine-learning-platform/