東京大學的研究團隊利用人工智慧（AI）開發出一種能在短時間內精準解析圖像中岩石的形狀、朝向和分佈等資訊的方法。通過分析日本、美國探測器所拍攝的小行星「龍宮」和「貝努」表面的1萬張圖像，成功在短時間內識別出約20萬塊岩石。該成果不僅有助於闡明小行星的形成過程，還能為預防小行星上的落石災害提供幫助。
新方法將此前需要花費兩週時間完成的圖像解析工作縮短至數秒（供圖：東京大學）
小行星等天體上存在的大量岩石，傳統通過圖像手工解析的方法存在極限。研究團隊為大約7萬個岩石逐一勾勒輪廓，收集了高精度的數據。然後將收集到的數據用於訓練AI，開發出能夠自動、高精度且高速地解析圖像的方法。
研究團隊通過分析日本探測器「隼鳥2號」和美國探測器「奧西里斯REx號」所拍攝的「龍宮」和「貝努」的合計約1萬張圖像，在短時間內識別出了約20萬塊岩石。對岩石的分佈進行研究後發現，「龍宮」的岩石從赤道向小行星的南北兩極擴散，而「貝努」的岩石則集中在赤道附近。
對於像「龍宮」和「貝努」這樣的扁球形小行星來說，赤道和兩極之間的中緯度地區重力最大，結合形狀因素判斷，沙土更易向極地聚集。「龍宮」的自轉周期較慢為7.6小時，「貝努」的自轉周期相對較快為4.3小時。自轉速度越快離心力越強，岩石就會向小行星的赤道方向移動，這也是造成岩石分佈產生差異的原因。
新技術將原本解析2000～3000塊岩石所需的2週時間縮短至數秒完成。研究團隊計劃將該技術應用於2026年由國立研究開發法人宇宙航空研究開發機構（JAXA）主導發射的火星衛星探測計劃「MMX」中，用於尋找適合著陸的安全地形等。相關研究成果已發表在英國科學雜誌《Scientific Reports》上。
原文：《日本經濟新聞》、2025/4/29
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Scientific Reports
論文：Diverse evolutionary pathways of spheroidal asteroids driven by rotation rate
URL：https://www.nature.com/articles/s41598-025-94574-1
