Le deep learning pour explorer les zones sombres de la lune

Le programme Artemis de la NASA vise à envoyer des astronautes sur le pôle Sud de la Lune, où la présence d’eau sous forme de glace a été confirmée, et non près de l’équateur comme pour la mission Apollon. Les zones sombres sont susceptibles de contenir une plus  grande quantité de glace que les autres mais aussi d’être dangereuses pour les astronautes s’y aventurant. Une équipe de chercheurs a étudié ces zones en s’appuyant sur le deep learning, l’étude intitulée « Cryogeomorphic Characterization of Shadowed Regions in the Artemis Exploration Zone » a été publiée dans Geophysical Research Letters.

Pour les premières missions lunaires Artemis, les astronautes sélectionnés (un homme et une femme) s’envoleront vers le pôle sud de la lune. Cette région a un grand potentiel, on pense qu’elle abrite la plus grande abondance de glace d’eau car on y trouve des cratères où les rayons du soleil ne pénètrent jamais, leur température est estimée à -170°

Si l’on pouvait extraire cette eau, elle pourrait être utilisée pour soutenir l’exploration spatiale notamment vers Mars, que ce soit comme source d’hydratation humaine, ressource en carburant de fusée ou système de refroidissement pour l’équipement.

La caractérisation cryogéomorphique des régions ombragées dans la zone d’exploration Artemis

V. T. Bickel, B. Moseley, E. Hauber, M. Shirley, J.-P. Williams et D. A. Kring sont les auteurs de cette étude.

Celle-ci s’appuie sur des recherches auxquelles a participé Valentin Bickel, alors chercheur postdoctoral à l’Institut Max Planck pour la recherche sur le système solaire (MPS) à Goettingen en Allemagne. Les chercheurs avaient développé un algorithme d’IA appelé « Hyper-effective nOise Removal Unet Software » (HORUS) pour nettoyer les images bruyantes du fond des cratères non éclairés collectés par d’autres engins spatiaux, tels que le Lunar Reconnaissance Orbiter (LRO) et corriger d’autres facteurs, notamment le mouvement du LRO lui-même.

À l’heure actuelle, la plupart des efforts scientifiques et de planification de mission pour une mission avec équipage et un certain nombre de missions robotiques, se concentrent sur une crête adjacente au cratère Shackleton, une énorme dépression de 12 miles (19kms). Cette zone est très intéressante pour la NASA, d’une part, une ombre permanente est projetée dans les creux du cratère, les basses températures en font un endroit prometteur pour la formation de glace et d’autre part, deux points topographiquement élevés de la crète ont été identifiés et pourraient fournir un éclairage optimal et des communications directes vers la Terre.

En raison du manque d’éclairage primaire, les régions ombragées en permanence (PSR) sont difficiles à imager à l’aide de capteurs optiques à haute résolution. Pourtant, une connaissance détaillée de leurs caractéristiques cryogéomorphes permettrait :

  • L’identification des cibles scientifiques, y compris les petites régions doublement ombragées, c’est-à-dire les régions protégées de l’éclairage primaire et secondaire, en particulier les régions froides, et les dangers potentiels dans les PSR cibles;
  • La planification de traversées efficaces et sûres à travers les PSR cibles, y compris le terminateur PSR, c’est-à-dire la zone de transition soleil-ombre;
  • La réduction globale du risque associé d’opérer dans l’ombre permanente;
  • La contextualisation des mesures scientifiques effectuées par les futures missions terrestres et orbitales.

Pour combler cette lacune, les chercheurs ont déployé l’outil de post-traitement de caméra à angle étroit (NAC) Lunar Reconnaissance Orbiter (LRO), HORUS, pour produire un rapport signal/bruit (SNR) élevé et des images haute résolution de régions ombragées sélectionnées dans la zone d’exploration Artemis.

HORUS a ainsi supprimé le bruit de 200 000 images, permettant de caractériser la géomorphologie à l’échelle du mètre de 44 régions PSR de plus de 40 mètres de diamètre, y compris la texture de surface, les cratères frais, les rochers et l’âge relatif, et, in fine, recommander des PSR cibles potentiellement prometteuses pour les missions futures.

Sources de l’article :

« Cryogeomorphic Characterization of Shadowed Regions in the Artemis Exploration Zone »

Geophysical Research Letters , https://doi.org/10.1029/2022GL099530

Auteurs:

  • V. T. Bickel, ETH Zurich, Suisse;
  • B. Moseley, Université d’Oxford, Royaume-Uni;
  • E. Hauber, Centre aérospatial allemand, Berlin, Allemagne;
  • M. Shirley, NASA Ames Research Center, Mountain View, CA, États-Unis;
  • J.-P. Williams, Université de Californie Los Angeles, États-Unis;
  • D. A. Kring, Lunar and Planetary Institute, USRA, Houston, TX, États-Unis.

1ère Marketplace de l'IA et de la transformation numérique vous recommande :
RML (Responsible Machine Learning) par Axionable

Notre solution dédiée à la réalisation de projets de machine learning responsable pour vous accompagner dans le cadrage, le développement et l'industr...

 
Partager l'article
Abonnez-vous à ActuIA, la revue professionnelle de l'intelligence artificielle magazine intelligence artificielle Découvrez la revue professionnelle de l'intelligence artificielle
intelligence artificielle
À PROPOS DE NOUS
Le portail francophone consacré à l'intelligence artificielle et à la datascience, à destination des chercheurs, étudiants, professionnels et passionnés.