机器生成的冥卫一撞击坑目录及其对柯伊伯带的意义
地球与行星天体物理
2022-07-20 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们利用深度学习模型研究冥卫一（Charon）的撞击坑尺寸分布。其动机来自 Singer 等人（2019）近期的结果：他们通过人工编目发现，直径小于 12 km 的撞击坑尺寸分布斜率发生变化，意味着小型柯伊伯带天体稀缺。这些结果得到了 Robbins 和 Singer（2021）的证实，但受到 Morbidelli 等人（2021）的反对，因此有必要进行独立审查。我们基于 MaskRCNN 的模型集成在月球、水星和火星的撞击坑目录以及光学与数字高程图像上训练。我们采用稳健的图像增强方案迫使模型泛化并将迁移学习应用于冰质天体。在事先无偏且未接触过冥卫一的情况下，我们的模型得到直径小于 10 km 的撞击坑最佳拟合斜率 q = -1.47±0.33，以及直径大于 15 km 的撞击坑最佳拟合斜率 q = -2.91±0.51。这些数值表明在约 15 km 处斜率存在明显变化，正如 Singer 等人（2019）所提出，从而独立确认了他们的结论。然而，我们的斜率均略平缓于 Robbins 和 Singer（2021）最近所得者。我们训练好的模型与相关代码已在 github.com/malidib/ACID 上公开。
引用
@article{arxiv.2206.08277,
title = {A machine-generated catalogue of Charon's craters and implications for the Kuiper belt},
author = {Mohamad Ali-Dib},
journal= {arXiv preprint arXiv:2206.08277},
year = {2022}
}
备注
16 pages, 2 figures, accepted for publication in Icarus