NASA bude využívat strojové učení ke zlepšení vyhledávání mimozemského života na Marsu

Vědci z NASA intenzivně pracují na pilotním systému umělé inteligence, který má pomoci budoucím výzkumným misím najít důkazy o životě na jiných planetách ve naší sluneční soustavě. Algoritmy strojového učení budou pomáhat výzkumným zařízením analyzovat vzorky půdy na Marsu a vracet nejrelevantnější data zpět do NASA. Pilotní program je aktuálně naplánován na testovací běh během mise ExoMars, která má být spuštěna v polovině roku 2022.

Jak uvádí IEEE Spectrum, rozhodnutí použít strojové učení a umělou inteligenci pro pomoc při vyhledávání života na jiných planetách bylo velkou měrou ovlivněno Erice Lyness, vedoucí laboratoře planetárních prostředí Goddard na NASA. Lyness potřeboval najít způsoby, jak automatizovat aspekty geochemické analýzy vzorků odebraných v jiných částech naší sluneční soustavy. Lyness se rozhodl, že strojové učení může pomoci automatizovat mnoho úkolů, které musí výzkumná zařízení, jako jsou marsovské rovery, vykonávat, včetně sběru a analýzy vzorků marsovské půdy.

Marsovský rover ExoMars Roslanind Franklin bude schopen vrtat alespoň dva metry hluboko do marsovské půdy. V této hloubce již不会 být žádné mikroby usmrceny ultrafialovým světlem slunce. To činí možné, že rover může najít živé bakterie. I když nejsou nalezeny žádné živé bakterie, je možné, že vrták může najít fosilizované důkazy o životě na Marsu, které pocházejí z dřívějších období, kdy byla planeta více vhodná pro život. Vzorky, které roverův vrták najde, budou předány přístroji zvanému hmotnostní spektrometr pro účely analýzy.

Účelem hmotnostního spektrometru je studovat rozložení hmoty v iontech nalezených ve vzorku. To se provádí pomocí laseru na vzorku půdy, který uvolňuje molekuly ve vzorku, a poté se vypočítá atomová hmotnost z různých molekul. Tento proces produkuje hmotnostní spektrum, které výzkumníci budou analyzovat, aby zjistili, proč se ve spektru objevují určitá maxima. Existuje však problém s hmotnostními spektry generovanými hmotnostním spektrometrem. Různé sloučeniny produkují širokou škálu různých spekter. Je to puzzle analyzovat hmotnostní spektrum a určit, které sloučeniny jsou ve vzorku, ale algoritmy strojového učení mohou pomoci.

Vědci studují minerál zvaný montmorillonit. Montmorillonit se běžně nachází v marsovské půdě a výzkumníci se snaží pochopit, jak by se tento minerál mohl projevit ve hmotnostním spektru. Tým výzkumníků zahrnuje montmorillonitové vzorky, aby viděli, jak se výstup hmotnostního spektrometru změní, a tím získají nápovědu, jak vypadá minerál ve hmotnostním spektru. Algoritmy umělé inteligence budou pomáhat výzkumníkům extrahovat významné vzory z hmotnostního spektrometru.

Jak uvedl Lyness pro IEEE Spectrum:

„Může to trvat dlouho, než skutečně rozložíte spektrum a pochopíte, proč vidíte maxima na určitých hmotnostech ve spektru. Takže cokoliv můžete udělat, abyste vědcům ukázali směr, který říká, ‚Nebojte se, vím, že to není tento typ věci nebo ten typ věci,‘ mohou rychleji identifikovat, co je tam.“

Podle Lynesse bude mise ExoMars vynikajícím testovacím případem pro algoritmy umělé inteligence navržené pro interpretaci hmotnostních spekter generovaných vzorky.

Existují další potenciální aplikace pro umělou inteligenci a strojové učení v oboru astrobiologie. Dron Dragonfly a potenciálně další budoucí mise budou operovat dále od Země a v drsnějším prostředí a bude vyžadovat automatizaci aspektů navigace a přenosu dat.