人工智能模型ESSA揭示未来任务的隐藏月球洞穴入口

一位英国科学家应用了一种深度学习人工智能模型,称为ESSA,对月球表面的广泛影像进行了分析,发现了以前通过传统观察方法未能检测到的潜在洞穴入口。这些形成物在轨道图像中呈现为坑和天窗,可能为未来的月球任务提供自然庇护所。

这些识别的位置可能蕴藏水冰,这对于维持人类生命和支持延续探索的燃料生产是至关重要的资源。
通过利用人工智能技术,研究人员能够加速识别适合在月球上建立人类基地的地点,为长期居住和科学研究提供新的可能性。

策划: Harrison Day
20 小时前
人工智能模型ESSA识别的潜在月球洞穴入口的插图。

ESSA-AI模型已在月球上识别出两个特定的潜在入口。第一个位于南玛利亚山地区,而第二个靠近月球北极。这两个地点被认为与地下熔岩管相连,这些地质形成物可能为抵御宇宙辐射和微流星体撞击提供自然保护。

这些发现具有重要意义,因为这样的熔岩管可能为人类探险者提供更安全的环境,减少暴露于本来在月球表面会构成严重风险的危险之中。
这两个入口的发现代表了规划安全和可持续月球栖息地的重要一步,为未来的任务奠定基础。

尽管使用ESSA进行的初步扫描仅覆盖了月球海洋的约0.23%,但结果表明,月球表面可能还存在许多潜在的洞穴入口。
专家强调,每一个新的入口都可能为栖息地建设提供宝贵的位置,提供对环境危害的自然屏障。

这些形成物中水冰的存在可能支持生命支持系统和燃料生产,这是延长月球逗留的关键元素。
这些早期发现还突显了人工智能在指导探索优先级和提供关于在月球上建立永久或半永久基地的战略决策中的实用性。

展望未来,科学家们打算将人工智能辅助扫描扩展到月球表面的更大部分,寻找更多可以支持人类活动的洞穴入口。
这项扩展研究将帮助任务规划者识别最适合建立月球基地的位置,优化安全性和资源可用性。

通过更精确地绘制地下特征,研究人员希望对月球的地质和潜在资源有更全面的理解。
这些努力预计将显著促进长期人类探索的可行性,并为可持续和战略性规划的月球定居点铺平道路。