多伦多大学行星科学中心的博士后研究员、天体物理学家Mohamad Ali-Dib表示，可以将陨石坑研究看作“太阳系考古学”。

由于缺乏大气和地质活动，月球、水星和火星等天体的地形特征会在一段时间内保持相对不变。对于诸如此类天体中无空气环境的探索，研究陨石坑是一种特别有用的方法。

仔细观察这些陨石坑，就能发现有关陨石坑历史和太阳系演化的重要线索。但到目前为止，陨石坑是通过卫星图像或卫星测高数据的方式进行人工计数和测量的。

 “研究生全天的工作是捕获水星、月球或火星的图像，然后手动去数每个陨石坑。这是一项极其辛苦的工作。” Ali-Dib说道。

他指出，人工计数存在一些问题。这将需要“一大批研究生和本科生”来完成这项繁重而艰巨的工作。这种方式是有缺陷的，因为每个助理研究员识别陨石坑的标准可能不同，而且当他们疲劳的时候准确率也会下降。

因此，Ali-Dib和多伦多大学的同事Ari Silburt以及其他组员，共同研发出了一个神经网络，可以在几个小时内识别出数千个以前未被发现的月球陨石坑。

左图：测试数据中的月球样图。中图：研究人员的神经网络成功识别出以前人工编码的陨石坑（蓝色）和数以千计的新陨石坑（红色）。右图：人工编码的地面实况数据，用于评估神经网络。蓝色圆圈表示与研究人员的方法匹配成功的陨石坑，而紫色圆圈则表示神经网络遗漏的陨石坑。

除了可以更详细地了解月球外，还可以通过类似的卫星数据了解水星和火星。未来可能还将研究其他无空气天体（如小行星、彗星和一些巨行星）的卫星数据。

研究人员已经利用一种叫做迁移学习（transfer learning）的技术观察水星的陨石坑：他们利用其采用月球数据训练的神经网络来分析水星的图像。

此外，研究小组还在研究陨石坑深度等其他特征。科学家感兴趣的另一个参数是陨石坑的年龄。但Ali-Dib表示，要弄清楚这一点，仅靠卫星数据远远不够，还“需要真正的陨石”。