Quanten-Revolution: Maschinelles Lernen findet Ursprung von Mars-Meteorit!

Mit neuen, fortschrittlicheren Teleskopen, die fast jährlich in Betrieb genommen werden, ist die Menge an Daten, die Astronomen sammeln können, atemberaubend - der Begriff Petabyte ist in meinem Sprachgebrauch heutzutage häufiger als je zuvor. Und mit all diesen neuen Daten kommt der altbekannte Kampf, sie alle zu verarbeiten. Dieses Problem ist einer der Gründe, warum Community-Wissenschaftsprojekte in den letzten zwei Jahrzehnten populär geworden sind. Wir brauchten einfach mehr Augen, um Objekte wie Exoplaneten und Supernovae zu finden. Während Community-Wissenschaftsprojekte nach wie vor beliebt sind, scheinen maschinelles Lernen und künstliche Intelligenz derzeit eines der heißesten Themen in der Forschung zu sein. Das bedeutet nicht, dass menschliche Forscher obsolet werden, aber maschinelles Lernen kann diese Forscher für weniger triviale Aufgaben als das Anstarren von Tausenden von Lichtkurven oder Bildern von Felsen befreien. Stattdessen können sie nun die besten Optionen aus den Ergebnissen des maschinellen Lernens auswählen und sie im Grunde Korrekturlesen. Manchmal können jedoch wirklich wilde wissenschaftliche Ziele mit maschinellem Lernen gelöst werden, und in einer neuen Studie, die in Nature Communications veröffentlicht wurde, hat ein Forschungsteam einen Algorithmus verwendet, um den Ursprung eines Marsmeteoriten zu bestimmen. Damit meine ich den tatsächlichen Krater, aus dem der Meteorit vom Mars stammt. Unglaublich, oder? Der Meteorit ist als NWA 7034 katalogisiert und wird informell 'Black Beauty' genannt. Es handelt sich um einen brekzierten Marsgestein, was bedeutet, dass es scharfe, eckige Fragmente verschiedener Gesteinsarten enthält, die alle zusammen verklebt sind. Für Geologie-Interessierte macht diese Definition diesen Meteoriten zu einem Sedimentgestein. Die sedimentäre Natur von 'Black Beauty' macht ihn ungewöhnlich und besonders - es ist der einzige brekzierte Marsgestein, den wir auf der Erde untersuchen können. Das Team entwickelte einen maschinellen Lernalgorithmus, der in der Lage war, eine große Menge an hochauflösenden Planetenbildern vom Mars zu analysieren, um Einschlagskrater zu finden. Der Algorithmus verwendete mehrere Schichten von Daten, die auf dem Mars mit einer Vielzahl von Missionen gesammelt wurden, um herauszufinden, wo diese besondere Art von Gestein gefunden werden konnte, und identifizierte schließlich den genauen Krater, der jetzt informell Karratha genannt wird. Diese Entdeckung zeigt das enorme Potenzial von KI und maschinellem Lernen in der Astrophysik und lässt uns gespannt auf zukünftige Entdeckungen blicken.