NASA nutzt derzeit K.I. für Weltraumwissenschaften

In einer Erklärung, die NASA letzten Monat veröffentlichte, sagte die Behörde, dass K.I. das Potenzial hat, bei der Arbeit an einigen der größten Probleme in der Weltraumwissenschaft zu helfen. K.I. könnte verwendet werden, um nach Leben auf anderen Planeten zu suchen oder Asteroiden zu identifizieren. NASA-Wissenschaftler arbeiten mit Führungskräften in der KI-Industrie wie Intel, IBM und Google zusammen. Gemeinsam können sie fortschrittliche Computer-Algorithmen anwenden, um einige dieser Probleme zu lösen. 

Es gibt bestimmte K.I.-Technologien, auf die sich NASA verlässt, wie z.B. maschinelles Lernen, um Daten zu interpretieren. Diese Daten werden dann von Teleskopen gesammelt, einschließlich des James-Webb-Weltraumteleskops oder des Transiting-Exoplanet-Survey-Satelliten, zu einem bestimmten Zeitpunkt in der Zukunft.

Giada Arney, eine Astrobiologin am NASA-Goddard-Weltraumflughafen in Greenbelt, Maryland, hofft, dass maschinelles Lernen ihr und ihrem Team helfen kann, einige Anzeichen von Leben in den Daten zu finden, die von den Teleskopen und Observatorien gesammelt werden. 

“Diese Technologien sind sehr wichtig, insbesondere für große Datensätze und insbesondere auf dem Gebiet der Exoplaneten”, sagte Arney in der Erklärung. “Weil die Daten, die wir aus zukünftigen Beobachtungen erhalten, spärlich und laut sein werden. Es wird sehr schwierig sein, sie zu verstehen. Die Verwendung dieser Art von Werkzeugen hat daher ein großes Potenzial, um uns zu helfen.”

NASA führt jedes Sommer ein achtwöchiges Programm durch, das Führungskräfte aus den Technologie- und Weltraumsektoren zusammenbringt, das als Frontier Development (FDL) bezeichnet wird.

Shawn Domagl-Goldman ist ein NASA-Goddard-Astrobiologe. 

“FDL fühlt sich an wie eine Gruppe sehr guter Musiker mit verschiedenen Instrumenten, die sich für eine Jam-Session im Garage treffen, etwas Really Cool finden und sagen: ‘Hey, wir haben hier eine Band'”, sagte er in der Erklärung.

Im Jahr 2018 entwickelte ein FDL-Team, das von Domagal-Goldman und Arney betreut wurde, eine maschinelle Lern-Technik, die auf neuronalen Netzen basiert. Sie analysieren Bilder und identifizieren die Chemie von Exoplaneten, indem sie die Wellenlängen von Licht verwenden, die von Molekülen in ihrer Atmosphäre emittiert oder absorbiert werden. 

Mit dieser neuen Technik konnten Forscher verschiedene Moleküle in der Atmosphäre des Exoplaneten WASP-12b identifizieren. Die Technik tat dies genauer als andere Methoden. 

Laut Domagal-Goldman kann das neuronale Netz auch erkennen, wenn es an Daten mangelt. Die bayessche Technik, wie sie genannt wird, kann auch den Wissenschaftlern sagen, wie sicher sie sich über ihre Vorhersage ist. 

“An Orten, an denen die Daten nicht gut genug waren, um ein wirklich genaues Ergebnis zu liefern, war dieses Modell besser darin, zu wissen, dass es sich nicht sicher war, was sehr wichtig ist, wenn wir diesen Vorhersagen vertrauen wollen”, sagte Domagal-Goldman.

Die bayessche Technik wird noch weiterentwickelt, aber andere FDL-Technologien werden bereits in der realen Welt eingesetzt. Im Jahr 2017 entwickelten FDL-Teilnehmer ein maschinelles Lernprogramm, das in der Lage war, schnell 3D-Modelle von nahegelegenen Asteroiden zu erstellen. Es konnte auch ihre Formen, Größen und Rotationsraten genau schätzen. Diese Art von Informationen ist für die NASA nützlich, um Asteroiden zu erkennen und abzulenken, die die Erde bedrohen. 

Astronomen verwenden traditionell einfache Computer-Software, um 3D-Modelle zu erstellen, und analysieren Radar-Messungen eines sich bewegenden Asteroiden. Sie liefern nützliche Informationen, um den Wissenschaftlern zu helfen, ihre physikalischen Eigenschaften auf der Grundlage von Änderungen im Radar-Signal abzuleiten. 

Bill Diamond ist der Präsident und CEO von SETI. 

“Ein erfahrener Astronom mit Standard-Computer-Ressourcen könnte eine einzelne Asteroiden-Form in einem bis drei Monaten erstellen”, sagte Diamond. “Die Frage für das Forschungsteam war also: Können wir es beschleunigen?”

Das Team, bestehend aus Studenten aus Frankreich, Südafrika und den Vereinigten Staaten, sowie Mentoren aus der Wissenschaft und dem Technologie-Unternehmen Nividia, entwickelte einen Algorithmus, der in der Lage war, einen Asteroiden in nur vier Tagen zu rendern. Die Technik wird derzeit von Astronomen am Arecibo-Observatorium in Puerto Rico verwendet und ermöglicht eine Echtzeit-Form-Modellierung der Asteroiden. 

Forscher schlagen auch vor, dass K.I.-Technologien in zukünftige Raumfahrzeuge integriert werden sollten, was es den Raumfahrzeugen ermöglichen würde, Echtzeit-Entscheidungen zu treffen.

“K.I.-Methoden werden uns helfen, die Verarbeitungsleistung von unseren eigenen Gehirnen zu befreien, indem sie eine Menge der anfänglichen Arbeit bei schwierigen Aufgaben erledigen”, sagte Arney. “Aber diese Methoden werden die Menschen nicht ersetzen, weil wir die Ergebnisse immer noch überprüfen müssen.”