Em um estudo recente, cientistas norte-americanos e suíços desafiaram a hipótese vigente sobre as faixas escuras nas encostas de Marte serem indicadores de água líquida na superfície do planeta.
Identificadas nos anos 1970 pela missão Viking, da NASA, as marcações escuras e alongadas — chamadas de faixas de encostas — são comuns na geologia de Marte, chegando a centenas de metros.
As faixas receberam o nome de fluxos sazonais em encostas quentes de Marte por aparecerem e desaparecerem conforme as estações no Planeta Vermelho. O padrão das faixas escuras, em contraste com o terreno de Marte, despertou o interesse científico.
No entanto, somente com a ajuda de IA, cientistas conseguiram descobrir o que são essas faixas. De acordo com o estudo publicado nesta segunda-feira (19), as faixas escuras das encostas de Marte surgem por processos áridos, tanto geológicos quanto atmosféricos.
Cientistas usaram IA para descobrir o que são as faixas escuras de Marte
Os cientistas usaram algoritmos de Machine Learning para analisar mais de 86 mil imagens da superfície de Marte em alta resolução.
O algoritmo identificou mais de 500 mil faixas de encostas, criando o primeiro mapa global dessas características marcianas. Em seguida, os cientistas realizaram uma análise comparativa usando outros dados do ambiente de Marte, como temperatura e variação de poeira.
A análise não identificou correlação entre as faixas das encostas de Marte com condições como alta umidade, orientação específica das encostas ou alta temperatura da superfície.
Tais condições são geralmente associadas à água em estado líquido ou sólido. Em vez disso, o estudo revelou que as faixas aparecem com maior frequência em regiões com alta atividade de ventos e acúmulo significativo de poeira.
O estudo sugere, portanto, que as faixas se formam quando a poeira fina desliza nas partes íngremes das encostas de Marte. Vários fatores podem causar esse movimento, como terremotos, meteoros ou deslizamentos, de acordo com os cientistas.
Aliás, o estudo evidencia que as faixas tendem a ser mais abundantes em regiões de crateras recentes. Os cientistas afirmam que o estudo demonstra o valor de algoritmos de Machine Learning na pesquisa planetária ao catalogar os dados sistematicamente e examinar as correlações.
Jornalista e mineiro. Já escreveu sobre tecnologia, games e ciência no site Hardware.com.br e outros sites especializados, mas gosta mesmo de falar sobre os Beatles.
fique por dentro das novidades giz
Inscreva-se agora para receber em primeira mão todas as notícias sobre tecnologia, ciência e cultura, reviews e comparativos exclusivos de produtos, além de descontos imperdíveis em ofertas exclusivas
