东京大学的研究团队利用人工智能（AI）开发出一种能在短时间内精准解析图像中岩石的形状、朝向和分布等信息的方法。通过分析日本、美国探测器所拍摄的小行星“龙宫”和“贝努”表面的1万张图像，成功在短时间内识别出约20万块岩石。该成果不仅有助于阐明小行星的形成过程，还能为预防小行星上的落石灾害提供帮助。
新方法将此前需要花费两周时间完成的图像解析工作缩短至数秒（供图：东京大学）
小行星等天体上存在的大量岩石，传统通过图像手工解析的方法存在极限。研究团队为大约7万个岩石逐一勾勒轮廓，收集了高精度的数据。然后将收集到的数据用于训练AI，开发出能够自动、高精度且高速地解析图像的方法。
研究团队通过分析日本探测器“隼鸟2号”和美国探测器“奥西里斯REx号”所拍摄的“龙宫”和“贝努”的合计约1万张图像，在短时间内识别出了约20万块岩石。对岩石的分布进行研究后发现，“龙宫”的岩石从赤道向小行星的南北两极扩散，而“贝努”的岩石则集中在赤道附近。
对于像“龙宫”和“贝努”这样的扁球形小行星来说，赤道和两极之间的中纬度地区重力最大，结合形状因素判断，沙土更易向极地聚集。“龙宫”的自转周期较慢为7.6小时，“贝努”的自转周期相对较快为4.3小时。自转速度越快离心力越强，岩石就会向小行星的赤道方向移动，这也是造成岩石分布产生差异的原因。
新技术将原本解析2000～3000块岩石所需的2周时间缩短至数秒完成。研究团队计划将该技术应用于2026年由国立研究开发法人宇宙航空研究开发机构（JAXA）主导发射的火星卫星探测计划“MMX”中，用于寻找适合着陆的安全地形等。相关研究成果已发表在英国科学杂志《Scientific Reports》上。
原文：《日本经济新闻》、2025/4/29
翻译：JST客观日本编辑部
【论文信息】
期刊：Scientific Reports
论文：Diverse evolutionary pathways of spheroidal asteroids driven by rotation rate
URL：https://www.nature.com/articles/s41598-025-94574-1
