火星表面充满敌意且无情。但是在你和火星天空之间放置几米的风化层，这个地方就会变得更适合居住。塌陷熔岩管的洞穴入口可能是火星上最有趣的探索地点之一，因为它们不仅可以为未来的人类探险家提供庇护所，而且还可能成为寻找火星上微生物生命生物特征的好地方。
但洞穴入口很难被发现，尤其是从轨道上看，因为它们与尘土飞扬的背景融为一体。一种新的机器学习算法已经被开发出来，可以快速扫描火星表面的图像，寻找潜在的洞穴入口。
英国达勒姆大学的研究人员托马斯·沃森和詹姆斯·巴尔迪尼使用了卷积神经网络 (CNN)，该网络经过训练，可以从火星表面的图像中识别潜在的洞穴入口 (PCE)，从而找到新的潜在洞穴。它能够从火星四个不同区域的图像中识别出 61 个新的洞穴入口。
此前，大多数火星 PCE 的探测都来自对可见卫星图像的手动审查，图像由火星勘测轨道飞行器 (MRO) 的背景相机 (CTX) 和高分辨率成像科学实验 (HiRISE) 相机拍摄。该手动审查的数据库名为火星全球候选洞穴目录(MGC3)，包含火星上 1,000 多个已识别 PCE 的坐标和简要描述。
沃森和巴尔迪尼在《伊卡洛斯》杂志上发表的论文中写道：“在全球范围内，对用于火星洞穴探测的卫星图像进行手动审查远非高效，因为审查如此大的数据集存在时间限制。机器学习为这个问题提供了一个有趣的解决方案，将数据集减少到仅包含经计算确定包含 PCE 的图像。”