Een meteorieten schatkaart voor Antarctica
Nederlandse en Belgische onderzoekers hebben door middel van machine learning een ‘schatkaart’ gemaakt om meteorieten te vinden op Antarctica
Meteorieten komen uit de ruimte en worden als steenachtig materiaal op het aardoppervlak aangetroffen. En ze bevatten cruciale informatie over de vorming en evolutie van ons zonnestelsel, wat weer belangrijk is voor onderzoek naar het ontstaan van onze planeet, en van het leven op aarde. Volgens berekeningen zouden er nog meer dan 300.000 meteorieten aanwezig zijn aan het oppervlak van de ijskap, met enorm wetenschappelijk potentieel, maar tot nu toe waren ze moeilijk te vinden. “Wij hebben verschillende nooit bezochte meteorietrijke gebieden gevonden die relatief dicht bij onderzoeksstations liggen”, aldus Stef Lhermitte, die samen met David Tax vanuit de TU Delft betrokken was bij het onderzoek.
Tachtig procent
Bijzonder aan het onderzoek is dat deze ‘schatkaart’ tot stand is gekomen door middel van kunstmatige intelligentie. De onderzoekers hebben verschillende soorten observaties in een machine learning algoritme gecombineerd en hebben op die manier zones kunnen aanduiden waar met grote waarschijnlijkheid meteorieten kunnen worden gevonden. "Door onze analyses leerden we dat satellietwaarnemingen van temperatuur, ijsstroomsnelheid, oppervlakte en geometrie goede voorspellers zijn voor de locatie van meteorietrijke gebieden", aldus Veronica Tollenaar, die aan het onderzoek meewerkte als masterstudent aan de TU Delft en doctoraatstudent aan de Université libre de Bruxelles (ULB). We verwachten dat de ‘schatkaart’ voor tachtig procent accuraat zal zijn. De resultaten van de studie werden gepubliceerd in het gerenommeerde wetenschappelijke tijdschrift Science Advances.
Machine learning
Het machine learning algoritme legt de verschillende satellietwaarnemingen over elkaar heen en detecteert wisselwerkingen tussen de data, wat belangrijk is om de aanwezigheid van meteorieten te kunnen voorspellen. Tollenaar: "Antarctica is erg afgelegen en veel gebieden zijn nooit door mensen bezocht. Bovendien zijn de rapporten over het succes van eerdere meteorietenmissies vaak onduidelijk en weinig gedetailleerd. Om dit probleem te omzeilen, hebben wij ons gebaseerd op ‘positive and unlabelled learning’, een opkomend gebied in machine learning. Dit betekent dat het zoekalgoritme zo geprogrammeerd wordt dat het zowel observaties van plekken waar eerder meteorieten werden gevonden (positive) als van plekken waarvan we niet weten of er meteorieten liggen (unlabelled) mee opneemt, het algoritme houdt als het ware de blik open voor het onbekende."
De ‘schatkaart’ is toegankelijk voor iedereen op de website: www.wheretocatchafallingstar.science.
Deze interactieve website illustreert het onderzoek: https://tudelft.pageflow.io/meteorite.
Volgens Harry Zekollari, die het onderzoek aan de TU Delft en ULB begeleidde en momenteel postdoctoraal wetenschapper is aan de ETH Zürich, speelt de menselijke factor een grote rol bij de huidige meteorietexpedities: “Deze missies vragen enorme logistieke en financiële investeringen, en wij denken dat onze nieuwe kaart het succes van toekomstige missies zeker zal vergroten.”
MEER INFORMATIE
Tollenaar, V., Zekollari, H., Lhermitte, S., Tax, D., Debaille, V., Goderis, S., Claeys, P., Pattyn, F. (2022), Unexplored Antarctic meteorite collection sites revealed through machine learning, Science Advances.
Wetenschappers van de Technische Universiteit Delft (Nederland), de Université libre de Bruxelles (België) en de Vrije Universiteit Brussel (België) hebben bijgedragen aan deze studie. De studie maakt deel uit van het BICEPS-project (Antarctic blue ice as a porthole to the Solar System and Earth’s changing climate), gefinancierd door het Fonds de la Recherche Scientifique (FNRS, PhD-beurs toegekend aan Veronica Tollenaar).
CONTACT
Onderzoeker Stef Lhermitte: s.lhermitte@tudelft.nl
Onderzoeker Veronica Tollenaar: Veronica.Tollenaar@ulb.be
Persvoorlichter Pauline Bijster: h.p.bijster@tudelft.nl , 0648421089