恐竜の足跡の変異を特定し、偏りのない教師なし機械学習による問題のある標本の分類

科学分野:

• 古生物学
• 機械学習
• 進化的生物学

背景:

• 従来の化石分類は、研究者のバイアスを導入する可能性がある教師あり方法に依存しています。
• 機械学習は、客観的な化石同定と古生物学の議論の解決の可能性を提供します。

研究 の 目的:

• 教師なし機械学習技術を足跡の分類に適用すること。
• トラックメーカーを客観的に特定し、初期の鳥類と鳥脚類の起源に関する議論を解決すること。

主な方法:

• 1,974個の恐竜の足跡のデータベースで、分離型変分オートエンコーダーネットワークを利用しました。
• トラックを区別する8つの主要な形状変動機能を特定しました。
• 事後的にトラックをラベル付けし、距離測定を使用してモルフォスペースを分析しました。

主要な成果:

• 教師なし分析後、専門家による同定との間で80〜93％の一致を達成しました。
• 現代および化石の鳥類とともに、後期三畳紀〜前期ジュラ紀の鳥類様の足跡を分類しました。
• 中世ジュラ紀の3本指の足跡を鳥脚類とグループ化し、より古い起源を示唆しています。

結論:

• 教師なし機械学習は、化石痕跡分析のための堅牢でバイアスの少ない方法を提供します。
• 発見は、以前に身体の化石によって示されたよりも、鳥類と鳥脚類のより早い進化の起源を支持しています。
• DinoTrackerアプリとソースコードは、この技術のより広範なアプリケーションを容易にします。