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

Vědci z NASA intenzivně pracují na pilotním systému AI, který má pomoci budoucím misím při hledání důkazů o životě na jiných planetách našeho solárního systému. Algoritmy strojového učení budou pomáhat při analýze vzorků půdy na Marsu a budou vracet nejrelevantnější data 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 hledání života na jiných planetách bylo velkou měrou ovlivněno Erice Lyness, vedoucí laboratoře planetárních prostředí Goddard v NASA. Lyness potřeboval najít způsoby, jak automatizovat aspekty geochemické analýzy vzorků odebraných v jiných částech našeho solárního systému. Lyness se rozhodl, že strojové učení může pomoci automatizovat mnoho úkolů, které musí provést průzkumná vozidla, jako jsou vozidla Mars rover, včetně sběru a analýzy vzorků marťanské půdy.

Vozidlo ExoMars rover Roslanind Franklin bude schopné vrtat alespoň dva metry hluboko do marťanské půdy. V této hloubce již nebude možné, aby mikroby žijící tam byly zničeny ultrafialovým světlem slunce. To činí možné, že vozidlo 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 ér, kdy byla planeta více pohostinná pro život. Vzorky, které najde vrták vozidla, budou předány přístroji zvanému hmotnostní spektrometr pro účely analýzy.

Hmotnostní spektrometr slouží k studiu 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 budou vědci analyzovat, aby zjistili, proč se vyskytují určitá maxima ve spektru. Existuje však problém s generovanými spektry hmotnostního spektrometru. Různé sloučeniny produkují širokou škálu různých spekter. Je to hádanka 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 marťanské půdě a vědci se snaží pochopit, jak by se tento minerál mohl projevit ve hmotnostním spektru. Tým vědců zahrnuje vzorky montmorillonitu, aby viděli, jak se mění výstup hmotnostního spektrometru, a získávají tak nápovědu, jak vypadá minerál ve hmotnostním spektru. Algoritmy AI budou pomáhat vědcům při extrahování významných vzorců z hmotnostního spektrometru.

Jak uvedl Lyness pro IEEE Spectrum:

“Mohlo by to trvat dlouho, než se skutečně rozloží spektrum a pochopí, proč se vyskytují maxima ve spektru. Takže cokoliv můžete udělat, aby jste vědcům ukázali směr, který říká, ‘Netrapte se, vím, že to není tento typ věci nebo ten typ věci,’ mohou rychleji identifikovat, co je tam.”

Podle Lynesse bude mise ExoMars excelente testovacím případem pro algoritmy AI, které jsou navrženy k pomoci při interpretaci hmotnostních spekter generovaných vzorky.

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