Key points are not available for this paper at this time.
초록 NASA의 내부 탐사 지진 조사, 지구 측정 및 열 전송(InSight) 지진계는 2019년 초부터 화성의 지진 활동을 기록해 왔으며, 현재까지 1,300개 이상의 화성 지진이 화성 지진 서비스(MQS)에 의해 목록화되었습니다. 화성 지진의 신호 대 잡음비(SNR)가 일반적으로 낮기 때문에, 이들의 탐지 및 분석은 여전히 도전적입니다: 이벤트의 진폭이 상대적으로 낮지만, 배경 잡음은 큰 일주기 및 계절 변동을 보이며, 현지 대기와 착륙선 및 지진계 시스템 간의 상호작용에서 발생하는 다양한 신호를 포함합니다. 잡음은 여러 면에서 화성 지진과 유사할 수 있으므로, 목록 보관을 위한 전통적인 탐지 방법의 사용은 제한적입니다. 대신, MQS는 수동 데이터 검사로 이벤트를 찾습니다. 여기에서는 화성 지진 탐지 및 잡음 오염 제거를 위한 딥 컨볼루션 신경망 MarsQuakeNet(MQNet)을 소개합니다. 세 개의 구성 요소 지진 데이터를 기반으로 MQNet은 이벤트 및 잡음 에너지를 시간-주파수 영역에서 식별하고 분리하는 세그멘테이션 마스크를 예측합니다. 목록화된 MQS 이벤트의 수가 적기 때문에, 우리는 기록된 잡음과 합성 이벤트 파형을 결합하여 훈련 데이터 세트를 생성합니다. MQNet을 사용하여 현재까지 사용 가능한 전체 연속 20 샘플-초당 파형 데이터 세트(>1,000 화성 일)에 자동 이벤트 탐지 및 잡음 제거된 진폭을 추출하기 위해 적용합니다. 이 알고리즘은 수동으로 신중하게 선별된 MQS 목록에서 모든 고품질 이벤트와 대다수의 저품질 이벤트를 재현합니다. 더욱이, MQNet은 수동 검토에서 검증된 대체로 낮은 SNR을 가진 약 60%의 추가 이벤트를 탐지합니다. 이벤트 비율에 대한 우리의 분석은 계절적 경향을 확인하고 두 번째 화성 년도에서의 상당한 증가를 보여줍니다.
Dahmen et al. (화요일,)은 이 질문을 연구했습니다.