Un groupe de scientifiques du Planetary Science Institute (PSI), aux États-Unis, a découvert une mer cachée dans le bassin d’Aitken, au pôle Sud de la Lune, à l’aide d’outils d’intelligence artificielle. Ces algorithmes d’apprentissage automatique ont permis de distinguer les types de matériaux présents à la surface du satellite.
Le bassin Pôle Sud-Aitken de la lune est l’une des plus anciennes et des plus grandes structures d’impact du système solaire. Plus les scientifiques en apprennent à ce sujet, plus ils peuvent reconstituer l’histoire de la lune et du système solaire.
À la surface de la partie centrale de ce bassin, il y a trois types de matériaux différents : les mares, qui sont des dépôts de lave refroidie qui apparaissent gris foncé ; les cryptoseas, qui sont des mers plus claires et partiellement cachées ; et de vastes étendues de plaines lunaires de couleur claire.
Les distinguer à l’œil nu peut être difficile pour les scientifiques et prendre du temps, bien que les outils d’intelligence numérique puissent désormais être d’une grande utilité dans cette tâche.
L’équipe scientifique, dirigée par Frank Chuang, chercheur principal au PSI, a entrepris de tester s’il était possible d’utiliser des techniques d’apprentissage automatique pour identifier et cartographier ces types de matériaux à l’aide de l’albédo (la quantité de lumière ou de rayonnement réfléchie par une surface) et des données topographiques du Lunar Reconnaissance Orbiter, une sonde spatiale américaine destinée à l’exploration du satellite lancé en 2009.
L’équipe a appliqué deux algorithmes d’apprentissage automatique aux données. La première, appelée clustering K-mean, est une technique « non supervisée » dans laquelle l’algorithme définit et mappe les données en unités en fonction des valeurs des données brutes et de leur emplacement.
La seconde, appelée classification du maximum de vraisemblance, est une technique « supervisée » qui repose sur des zones d’entraînement définies par l’utilisateur pour chaque type d’unité dans le processus d’identification et de cartographie. L’équipe a utilisé cette même technique dans un article de 2022 pour cartographier les tourbillons lunaires, une autre caractéristique de l’albédo observée sur la lune.
Détection Cryptoseas
Leurs résultats montrent que l’apprentissage automatique est tout aussi efficace, voire plus, que l’humain pour détecter les cryptoseas.
« Après avoir appliqué nos algorithmes, non seulement nous avons constaté que les cartes cryptosea correspondent assez bien aux études précédentes, mais en fait, il s’agit de sites où il y avait auparavant des mers qui sont maintenant incomplètement recouvertes par un dépôt non volcanique ou de forme irrégulière, laissant des parties des mers sous-jacentes exposées à la surface. » explique Chuang.
« Si les cryptoseas sont des zones où, dans le passé, il y avait des matériaux volcaniques lunaires, tels que des mers qui coulaient et remplissaient des parties de la lune, alors nos résultats suggèrent que le nombre total de mers dans le bassin d’Aitken du pôle sud de la lune est probablement sous-estimé.
Ainsi, la quantité de chaleur interne ou d’énergie nécessaire pour produire ce matériau volcanique était probablement plus élevée dans le passé que ce que l’on sait actuellement, et c’est finalement ce que notre équipe essayait de comprendre.
Les résultats de Chuang et de son équipe ont été publiés dans The Planetary Science Journal dans le cadre d’un numéro spécial consacré au bassin Pôle Sud-Aitken.
Parmi les autres co-auteurs figurent Matthew Richardson, chercheur postdoctoral au PSI, et Deborah Domingue, scientifique principale, ainsi que Jennifer Whitten du National Air and Space Museum et Daniel Moriarty du Goddard Space Flight Center de la NASA. Une partie du travail effectué par le PSI a été soutenue par le programme d’analyse des données lunaires de la NASA.