Zes decennia lang is de precieze landingsplaats van Luna 9, de Sovjet-sonde die in 1966 de allereerste beelden van het maanoppervlak uitzond, ongrijpbaar gebleven. Nu denken twee onafhankelijke onderzoeksteams – de ene met behulp van crowdsourced-analyse en de andere met behulp van kunstmatige intelligentie (AI) – dat ze op het punt staan de locatie ervan in het uitgestrekte Oceanus Procellarum-gebied van de maan te bepalen.
De historische betekenis van Luna 9
De Luna 9-missie was een cruciaal moment in de ruimteverkenning. Vóór de succesvolle landing debatteerden wetenschappers erover of het maanoppervlak stevig genoeg was om ruimtevaartuigen of toekomstige menselijke missies te ondersteunen. De beelden van de sonde bewezen dat dit het geval was, en maakten de weg vrij voor Apollo en de daaropvolgende maanlandingen. *De exacte locatie is echter door de tijd verloren gegaan als gevolg van onnauwkeurige volgmethoden die in de jaren zestig werden gebruikt. * Historische radiosignaalmetingen plaatsten Luna 9 binnen een zoekgebied van ongeveer 60 mijl breed, waardoor identificatie op basis van moderne orbitale beelden uiterst moeilijk werd.
AI en crowdsourcing komen samen op potentiële locaties
Onderzoekers gebruiken nu zowel hightech- als grassroots-methoden om het mysterie op te lossen. Vitaly Egorov, een wetenschapscommunicator, lanceerde een crowdsourced poging om de beelden van de Lunar Reconnaissance Orbiter (LRO) te scannen, waarbij de originele oppervlaktepanorama’s van Luna 9 werden vergeleken met orbitale gegevens. Zijn analyse suggereert een kandidaatlocatie op ongeveer 24 kilometer van de door de Sovjet-Unie gerapporteerde coördinaten.
Tegelijkertijd heeft een team onder leiding van Lewis Pinault van het Centre for Planetary Sciences van University College London/Birkbeck een machinaal leermodel getraind om hardware van ruimtevaartuigen te identificeren met behulp van LRO-beelden. Dit AI-systeem, oorspronkelijk ontworpen om micrometeoroïden te detecteren, werd eerst met succes getest op bekende Apollo-landingsplaatsen voordat het werd toegepast op de Luna 9-zoekopdracht. Het model markeerde een potentiële landingsplaats op slechts vijf kilometer afstand van de historische coördinaten, samen met een aantal kleinere kenmerken die erop wezen dat er puin afkomstig was van de ongewone stuiterende landingsvolgorde van de sonde.
De rol van toekomstige missies
De sleutel tot het bevestigen van beide locaties ligt in de komende beelden van de Indiase Chandrayaan-2-orbiter, die naar verwachting in maart over de regio zal passeren. De camera biedt een hogere resolutie dan LRO, waardoor mogelijk de specifieke capsulevorm en bloembladachtige panelen van de sonde worden opgelost. “De machine is onvermoeibaar… hij kan naar veel beelden kijken en gewoon pauzeren en zeggen: ‘Dit is anders.'” zei Pinault, waarbij hij het vermogen van de AI benadrukte om subtiele patronen te detecteren die menselijke waarnemers misschien over het hoofd zien.
Implicaties voor toekomstige maanverkenning
De zoektocht naar Luna 9 gaat niet alleen over het oplossen van een 60 jaar oud mysterie; het is een voorproefje van de uitdagingen en kansen waarmee maanonderzoek de komende decennia te maken krijgt. Nu NASA’s Artemis-programma, de Chinese ambities op de maan en commerciële ruimtevaartactiviteiten het aantal objecten op de maan doen toenemen, zal AI-ondersteunde monitoring essentieel worden voor het catalogiseren, volgen en behouden van deze groeiende verzameling menselijke artefacten. Toekomstige AI-systemen zouden aan boord van ruimtevaartuigen kunnen opereren, activa in realtime kunnen identificeren en de effecten van raketuitlaat en de impact op de maanregolie kunnen monitoren.
De voortdurende zoektocht naar Luna 9 laat zien hoe geavanceerde technologie en gezamenlijke inspanningen de geschiedenis van de ruimteverkenning, pixel voor pixel, kunnen herschrijven.
