東京大学は、AI（深層学習）を活用し、大量の岩石を高速かつ高精度に自動識別するアルゴリズムを世界で初めて確立した。この研究により、専門家が一生かけて行っていた岩石の識別作業を、AIが迅速に行うことができるようになった。

小惑星リュグは、太陽系内のあらゆる岩石天体に普遍的に存在し、岩石の性質や分布を詳細に把握することは、自然環境や地質学的現象の解明において重要な要素となる。とはいえ、岩石の分布を把握するのは簡単ではなく、特に大規模な分野では困難を伴う。今回の研究では、AIを用いた高速で効率的な岩石解析手法が新たに提案され、350万個以上の全岩石を効率的に分析することが可能となった。これにより、小惑星リュグの成り立ちや歴史についての洞察を深める新たな視点が提供される。

この研究では、7万個の岩石データをもとに、CNN（畳み込みニューラルネットワーク）を利用して岩石を識別する手法を確立した。大規模な岩石を同一の判断基準で画一的に、かつ再現性を持って解析可能になったことは、科学界にとって画期的な成果である。

また、JAXAの「はやぶさ2」、NASAの「OSIRIS-REx」ミッションで得られた、小惑星リュグとボリスの高解像度画像1万枚から、合計で350万個の岩石を識別することができた。この画像間の重複を取り除いた最終的に合計20万個の岩石のサイズ、形状、位置を解析した。これは、小惑星上に存在する大きな移動体を網羅的に記録・解析した初めての成果である。

この解析結果から、リュグの成り立ちに関しても理解が進み、リュグは自転が遅いために表面の岩石が赤道から極へ流れ込み、反対にボリスは自転が速いために極から赤道へ岩石が移動していることが分かった。これにより、ボリスでの最適な地質観察を行う上での新たな視点が与えられることが期待される。

さらに、今後の研究において初業界での適用も期待される。例えば、斜面の常時モニタリングによる防災・減災システムや、鉱業・農業・建設現場でのドローンや定点カメラを活用した簡便で高速な資源管理、都市インフラの点検や農業分野での土壌・地盤状態の解析など、多様に分野での適用が期待されている。