据介绍，月球撞击坑又被称为“月球化石”，其有效识别和年代估计对于月球地形地貌、地质构造、地质年龄及航天器着陆点锁定等至关重要。月球探测以来，由专家人工或自动识别的月球撞击坑数据库相继建立。然而，由于识别方式与数据类型的差异性，使得现有数据库在撞击坑计数、位置和大小等方面存在一定分歧，且自动识别方法一般很难发现不规则或退化的撞击坑。
吉林大学地球科学学院副教授杨晨领衔的此项研究中，研究人员基于迁移学习方法构建了深度神经网络模型。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，研究人员用7895个已识别和1411个已知年龄的撞击坑数据构建了一个深度神经网络模型。
通过该模型，研究人员从嫦娥一号与嫦娥二号数据中渐进地检测撞击坑，并进一步估计出其地质年龄。据介绍，研究团队新识别109956个撞击坑，数量为公认撞击坑的十几倍，18996个直径大于8千米的撞击坑被标定了地质年代，这些撞击坑贯穿于月球中纬度和低纬度地区。
杨晨说，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。模型的成功应用，对未来月球及行星科学研究具有重要价值。
该项研究工作由吉林大学、中国科学院国家天文台、意大利特伦托大学和冰岛大学课题组合作完成。
