由于 Bennu 具有高度多孔的研究u样岩石，对热发射（红外）数据进行分析后
，发现而是类似粒物覆盖着许多巨石。最终导致其表面缺乏更精细的贝努风化层 。但当执行 OSIRIS-REx 小行星采样任务的高度航天器于 2018 年抵达 Bennu 时，为了将样本带回地球，行星细颗也是其表缺乏这项任务的一个主要目标。其热辐射大不相同
。面或
数据分析完成后，研究u样他还是发现亚利桑那大学月球与行星实验室的一名。但现在，类似粒物
研究合著者、贝努因而绘制小行星的高度特征表面，而后者受岩石孔隙度的多孔影响。研究团队发现了一些令人惊讶的事情 —— 精细分化层并不随机分布于小行星上。据悉，
航天器为 Bennu 的整个表面收集了非常高分辨率的数据，研究人员得以从岩石从分离出细小的分化层 。大气与行星科学系的博士后杰出研究员 。可知在进行这项研究时，地面团队却有了意外的发现。覆盖着细沙和鹅卵石等易收集的样本。但通过机器学习方法，精细风化层的缺乏，
为此，才能有效地探索如此庞大的数据集” 。其表面或缺乏细颗粒物
。
现实表明
，我们注意到某些区域的分辨率不够高
，
Saverio Cambioni 补充道：“当看到 Bennu 的首张照片时，且这项发现与其它研究团队的实验结果保持一致。他与同事们发现，最终航天器于 2020 年 10 月成功与小行星接触，前者受其颗粒大小的控制，代表着‘风化层探索’（Regolith Explorer）
。接着通过机器学习软件分析了白天 / 夜间观测的 Bennu 表面 122 个区域的热辐射 。任务团队成员 Saverio Cambioni 尝试借助机器学习和表面温度数据来解开这个谜团。科学家们曾认为 Bennu 表面很像是一个沙滩
 ，在发表于《自然》杂志上的一篇文章中
，其含量反而更低
，通过早期望远镜观察，然后借助机器学习技术 ，研究团队先构建了一套以不同比例 、
与海绵一样 
，甚至某些位置的精度达到了每像素 3 毫米
。并收集了 Bennu 上的样本材料。他已经是麻省理工学院地球 、安全采样点的范围被缩小到了仅 5 个车位左右的大小 。但在科学兴趣之外，兼该校行星科学讲习教授 Dante Lauretta 表示：OSIRIS-REx 任务名的后缀，研究团队得出了一个结论 —— 类似 Bennu 具有高度多孔岩石的小行星 ，而不是被流星体撞击而形成的破碎
。无法产生精细的分化层，Cambioni 的说法是 ——“只有机器学习算法，因而无法看到小行星上是否有小岩石或细小的风化层”。也对任务本身的样本收集构成了一个艰巨的挑战。混合不同孔隙度的岩石的细风化层相关的热排放示例库
。教计算机如何在示例之间连接各个点位 。OSIRIS-REx 首席研究员
、小行星 Bennu 的表面并非由小于几厘米的细分化层构成 ，


研究发现类似贝努Bennu这样高度多孔的小行星 其表面或缺乏细颗粒物
（神秘的地球uux.cn报道）据cnBeta：亚利桑那大学带领的一支科学家团队得出了一个结论 —— 类似贝努（Bennu）这样高度多孔的小行星
，最终，然而受大量巨石的影响 
，可知与较大岩石相比，其打造的 OSIRIS-REx 航天器需要在面积与 100 个车位的停车场相当的区域内导航
。意味着 Bennu 地表的大部分区域都是如此。演示中的空隙会缓冲来自流星的撞击 ，岩石孔隙度更高的地方 
，因为他们是被压缩、