中新社北京12月23日电 (记者 孙自法)施普林格·自然旗下学术期刊《自然-通讯》最新发表一篇行星科学研究论文称，科学家们通过机器学习方法，在月球表面识别出之前未识别的逾10.9万个撞击坑。

据该论文介绍，撞击坑分布在月表的大部分区域。然而，识别撞击坑数量的人工和自动方法在计算精确总数时存在不一致的情况。比如，自动识别方法一般很难发现不规则或退化的撞击坑。

基于此，论文第一作者和通讯作者、吉林大学地球科学学院杨晨副教授与中外科学家合作，尝试利用一种迁移学习策略来识别月球的撞击坑。迁移学习是一种机器学习方法，能用之前获得的知识解决下一个问题。他们先用7895个经过识别和1411个已知年龄的撞击坑数据训练了一个深度神经网络。

利用嫦娥一号和嫦娥二号飞行器采集的数据，这个深度神经网络识别出了109956个撞击坑，这是之前在月球中低纬区域识别数量的几十倍。在直径大于8千米的撞击坑中，该深度神经网络估算了其中18996个撞击坑的年龄。研究人员根据以上结果建立了一个新的月球中低纬区域撞击坑数据库。

论文作者认为，他们的方法调整后可用于太阳系的其他天体研究，并有望比人工分析方法提取更多信息。

杨晨23日通过网络接受中新社记者采访表示，相关研究数据与模型对于月球及行星科学研究具有重要价值。目前，这些科研成果已扩展并应用于嫦娥五号着陆区小型撞击坑识别。