סגמנטציה סמנטית של ורידים בהירים בנתוני ChemCam מולטימודאליים

רמזים נסתרים בסלעי מאדים

מה אם נוכל לקרוא את העבר המימי של מאדים ישירות בסדקים זעירים בסלעיו? המחקר הזה מראה כיצד מדענים מלמדים מחשבים לזהות ורידים בהירים הממולאים מינרלים בתמונות שצולמו על ידי החללית Curiosity של נאס"א. הפסים הבהירים הללו הם סימנים שמים זחל פעם דרך הסלעים. על-ידי אוטומציה של זיהוים, החוקרים יכולים לסרוק אלפי תמונות של החללית מהר בהרבה מכל צוות אנושי, ולחדד את תמונת הזמן והמקום שבהם מאדים עשוי היה להיות מתאים לחיים.

מדוע ורידים בהירים חשובים לחיים על מאדים

Curiosity משוטטת בְּCrater Gale מאז 2012, ומשתמשת בכלי בשם ChemCam גם כדי לצלם סלעים מקרוב וגם כדי לפגוע בהם בלייזר למדידת הכימיה שלהם. סלעים רבים לאורך מסלול החללית מציגים ורידים חיוורים—שברים ממולאים מינרלים שסביר שנוצרו מנוזלים עשירי מים שנעו דרך הקרום. ספקטרות ChemCam מגלות שוורידים אלה לעתים קרובות עשירים בסולפטי סידן, מינרלים שבדרך כלל נוצרים בעת התאיידות מים. מכיוון שמים נוזליים הם רכיב מרכזי לקיום חיים, מיפוי מפורט של ורידים אלה עוזר למדענים לשחזר היכן ומתי זרמו וברכו מים על מאדים לאורך זמן.

להפוך תמונות ויורות לייזר לנתונים

ChemCam מספק שני סוגי מידע על כל סלע יעד. ראשית, המצלמה שלו, ה-Remote Micro Imager, מצלמת תמונות חדות בגווני אפור ברזולוציה תת-מילימטרית, שמראות את המרקמים והסדקים הדקים. שנית, מערכת ה-LIBS (spectroscopy induced breakdown by laser) יורה לייזר בנקודות שונות על הסלע ויוצרת פלזמה זוהרת זעירה שצבעיה חושפים את היסודות הנמצאים שם. מתוך מדידות LIBS אלה, המדענים מחשבים כמה חמצן סידן יש בכל נקודה. רמות סידן גבוהות, מעל כ-10 אחוז במשקל, לעתים קרובות—אך לא תמיד—מתיישרות עם ורידים בהירי תמונה, ומספקות רמז כימי היכן יתכן שהמאפיינים הללו מסתתרים.

ללמד אלגוריתם לעקוב אחר הסדקים

מעקב ידני אחרי כל וריד, פיקסל אחרי פיקסל, באלפים של תמונות הוא עבודה מייגעת ולא עקבית, לכן הצוות בנה סט אימון מותאם. הם התחילו מעבודה קודמת שחילקה תמונות ChemCam למחלקות מרקם ושלפו כ-480 סצנות שנראו מועמדות לורידים. מתוך אלו, מומחים בחרו 55 דוגמאות ברורות וציירו במסירות מסכות בינאריות שסימנו אילו פיקסלים שייכים לורידים. הם גם המירו את נתוני הסידן של LIBS לתמונות פשוטות: ריבועים בהירים היכן שהלייזר מדד סידן גבוה, ריבועים כהים היכן שלא, ואפור היכן שלא היו מדידות. על-ידי חיתוך כל תמונה גדולה לאריחים קטנים יותר ויישום היפוכים, סיבובים וזומים, הם הרחיבו את הסט המסומן הקטן הזה למאות דוגמאות אימון.

איך פועל המוצא החכם של הוורידים

הלב של הגישה הוא משפחה של מודלים בלמידה עמוקה המבוססים על U-Net, ארכיטקטורת סגמנטציה של תמונה שפותחה במקור לסריקות רפואיות. המודל מקבל תמונות סלעים של ChemCam כקלט ומנבא, לכל פיקסל, האם הוא שייך לו־ריד. החוקרים בדקו כמה וריאציות: U-Net פשוטים שאומנו רק על תמונות, גרסאות שהתחילו מהרשתות שאומן מראש על מערכי תמונות גדולים של כדור הארץ, ומודלים ששילבו מידע LIBS או כערוצי תמונה נוספים או דרך פונקציית אובדן שמנחה את הלמידה. המבצע הטוב ביותר שלהם היה U-Net שאומן מראש כשהפונקציה שלו העמידה בעדינות עונש על תחזיות שסתרו את תמונות ה-LIBS המבוססות סידן בנקודות הלייזר, מה שהנחה את הרשת לכיוונים כימית-סבירים של מפות הוורידים. מודל זה השיג כ-80% ממוצע חיתוך-על (intersection-over-union) וכמעט 89% ציון F1—ביצועים חזקים למשימה עדינה כזו.

לבנות מפות מהימנות למדעי החללית

מכיוון שהתחזיות הללו ינחו פרשנות מדעית, הצוות גם טיפל בשאלה עדינה: עד כמה נוכל לסמוך על כל מפה? הם אימצו שיטה סטטיסטית בשם Learn-Then-Test כדי לכוונן את ספי הפלט של המודל לאחר האימון, מבלי לשנות את המשקלים שלו. על-ידי כוונון ספים אלה על מערך כוונון, הם הבטיחו שהשיעור הכולל של גילויים שגויים—ההסתברות שפיקסל שנחזה כו־ריד שגוי בפועל—יישאר מתחת לכ-10%. עיבוד לאחר מכן זה הקטין זיהויים שגויים במחיר של פיספוס של כמה ורידים אמיתיים, כשהוחלפה השלמה בזיהוי באמון גבוה יותר במה שמסומן כלו־ריד.

מה זה אומר לחקר מאדים

במילים פשוטות, המחקר מספק "מוביל ורידים" אוטומטי המודע לכימיה לארכיון התמונות של Curiosity, שליו עם בקרים לשליטה ברמת הזהירות שברצוננו לנקוב בה כו־ריד. בעזרתו, חוקרים יכולים במהירות לסקור את כל מסלול החללית, לעקוב כיצד שפע ועובי הוורידים משתנים ממקום למקום, ולשייך דפוסים אלה להרכב הכימי של הסלעים. דפוסים אלה, בתורם, מעדנים את סיפורתנו על מתי מים זחל דרך סלעי Crater Gale וכמה זמן נמשכו תנאים מסוימים שנכונים עבור חיים על מאדים. אותה גישה עשויה בסופו של דבר להיות מורחבת לתכונות סלע אחרות וכלים נוספים, ולעזור לחלליות עתידיות להפוך אוספי תמונות עצומים לרמזים אמינים וממופים על ההיסטוריה הפלנטרית.

ציטוט: Lomashvili, A., Rammelkamp, K., Bhattacharjee, P. et al. Semantic segmentation of light-toned veins in multimodal ChemCam data. Sci Rep 16, 12052 (2026). https://doi.org/10.1038/s41598-026-47207-0

מילות מפתח: ישימות מאדים, חללית הנחיתה Curiosity, צילום ChemCam, סגמנטציה בלמידה עמוקה, ורידי סולפאט סידן