Stabilire il luogo esatto in cui è caduto un meteorite è piuttosto facile, perché gli ammassi di materia provenienti dallo spazio lasciano dei segni piuttosto evidenti del loro impatto. Questo però è vero solo per i meteoriti di grandi dimensioni, che lasciano crateri dalla causa inequivocabile, perché quando parliamo di meteoriti di piccole dimensioni, magari grandi poco più che frammenti, il discorso cambia radicalmente e non è per niente facile comprendere dove le rocce spaziali siano finite. Basti pensare che gli scienziati riescono a rintracciarne meno del 2% del totale, anche quando riescono a tracciare la traiettoria della loro caduta.
Ecco perché un nuovo studio punta su un sistema che sfrutta droni e machine learning per trovare i piccoli meteoriti nei siti di impatto più nascosti. I droni raccolgono milioni di immagini del luogo dove i calcoli indicano che è caduto il meteorite, e l’intelligenza artificiale del software di riconoscimento si allena analizzando queste enormi quantità di file per affinare sempre di più il suo algoritmo e di conseguenza migliorare l’accuratezza del riconoscimento.
Del resto, distinguere in modo automatico e con esattezza le rocce spaziali dalle rocce comuni, peraltro passando in rassegna frammenti di forme diverse e su terreni in condizioni mai del tutto identiche, è un compito molto complesso, e messo alla prova il sistema ha mostrato grandi potenzialità, trovando alcuni frammenti spaziali, pur tuttavia riportando qualche falso positivo.
All’interno dello studio, Robert Citron, della University of California, ha affermato che “Tra le altre funzioni, queste immagini possono essere analizzate usando un classificatore con il machine learning per identificare i meteoriti sul campo”.
Sulle principali difficoltà incontrate, in un’intervista per Universe Today lo stesso Citron ha aggiunto che la sfida principale è stata mettere assieme un dataset di training per il classificatore con machine learning, specificando che “Dal momento che un meteorite può cadere su qualunque terreno, il sistema aveva bisogno di un algoritmo di riconoscimento degli oggetti con esempi di molti tipi di meteorite su vari tipi di terreno. Per create una rete di riconoscimento oggetti adeguatamente allenata, sono richieste migliaia di immagini d’esempio. Fortunatamente, ad ogni nuovo test sul campo otteniamo più dati che possiamo incorporare nel dataset e usare per riqualificare la rete di riconoscimento degli oggetti e migliorare l’accuratezza. […] Al momento abbiamo bisogno di un drone migliore con una maggiore risoluzione della camera.”
Quando il sistema diventerà completamente affidabile, i team di ricerca riusciranno a raccogliere e di conseguenza a studiare un numero molto più grande di meteoriti, e sarà quindi anche grazie ai droni se miglioreremo la conoscenza e la comprensione del cosmo.
