नासा मार्स पर एलियन जीवन की खोज को बेहतर बनाने के लिए मशीन लर्निंग का उपयोग करेगा

नासा के शोधकर्ताओं ने एक पायलट एआई सिस्टम पर काम किया है जिसका उद्देश्य भविष्य के अन्वेषण मिशनों को हमारे सौर मंडल में अन्य ग्रहों पर जीवन के साक्ष्य खोजने में मदद करना है। मशीन लर्निंग एल्गोरिदम अन्वेषण उपकरणों को मार्स पर मिट्टी के नमूनों का विश्लेषण करने में मदद करेंगे और नासा को सबसे प्रासंगिक डेटा वापस करेंगे। पायलट कार्यक्रम वर्तमान में मध्य 2022 में लॉन्च होने वाले एक्सोमार्स मिशन के दौरान एक परीक्षण रन के लिए निर्धारित है।

जैसा कि आईईईई स्पेक्ट्रम रिपोर्ट करता है, अन्य ग्रहों पर जीवन की खोज में मदद के लिए मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस का उपयोग करने का निर्णय मुख्य रूप से एरिक लिनेस द्वारा किया गया था, जो नासा में गोडार्ड प्लैनेटरी एनवायरनमेंट लैब के प्रमुख हैं। लिनेस को अन्य ग्रहों के नमूनों के जियोकेमिकल विश्लेषण के पहलुओं को स्वचालित करने के तरीके खोजने की आवश्यकता थी। लिनेस ने तय किया कि मशीन लर्निंग मार्स रोवर जैसे अन्वेषण शिल्प द्वारा किए जाने वाले कई कार्यों को स्वचालित करने में मदद कर सकती है, जिसमें मार्टियन मिट्टी के नमूनों का संग्रह और विश्लेषण शामिल है।

एक्सोमार्स रोवर रोसलिंड फ्रैंकलिन मार्टियन मिट्टी में कम से कम दो मीटर गहराई तक ड्रिल करने में सक्षम होगा। इस गहराई पर, वहां रहने वाले कोई माइक्रोब्स सूरज की यूवी प्रकाश द्वारा मारे नहीं जाएंगे। यह संभव है कि रोवर जीवित बैक्टीरिया पा सकता है। भले ही जीवित बैक्टीरिया नमूने नहीं मिलें, यह संभव है कि ड्रिल मार्स पर जीवन के जीवाश्म प्रमाण पा सकता है, जो पहले के युगों से बचा हुआ है जब ग्रह जीवन के लिए अधिक अनुकूल था। रोवर के ड्रिल द्वारा पाए जाने वाले नमूने विश्लेषण के उद्देश्य से एक मास स्पेक्ट्रोमीटर को दिए जाएंगे।

मास स्पेक्ट्रोमीटर का उद्देश्य एक दिए गए नमूने में आयनों में द्रव्यमान के वितरण का अध्ययन करना है। यह मिट्टी के नमूने पर एक लेजर का उपयोग करके किया जाता है, जो मिट्टी के नमूने में अणुओं को मुक्त करता है, और फिर विभिन्न अणुओं से परमाणु द्रव्यमान की गणना करता है। यह प्रक्रिया एक मास स्पेक्ट्रम उत्पन्न करती है, जिसे शोधकर्ता विश्लेषण करते हैं ताकि वे यह निर्धारित कर सकें कि स्पेक्ट्रम में वे जो स्पाइक्स देख रहे हैं वे क्यों हो रहे हैं। मास स्पेक्ट्रोमीटर द्वारा उत्पन्न स्पेक्ट्रम के साथ एक समस्या है, हालांकि। विभिन्न यौगिक विभिन्न स्पेक्ट्रम का उत्पादन करते हैं। एक मास स्पेक्ट्रम का विश्लेषण करना और निर्धारित करना एक पहेली है कि नमूने में कौन से यौगिक हैं, लेकिन मशीन लर्निंग एल्गोरिदम मदद कर सकते हैं।

शोधकर्ता मॉन्टमोरिलोनाइट नामक एक खनिज का अध्ययन कर रहे हैं। मॉन्टमोरिलोनाइट मार्टियन मिट्टी में सामान्य रूप से पाया जाता है, और शोधकर्ता यह समझने का लक्ष्य रखते हैं कि खनिज एक मास स्पेक्ट्रम में कैसे प्रकट हो सकता है। शोधकर्ता मॉन्टमोरिलोनाइट नमूनों को शामिल करते हैं ताकि वे देख सकें कि मास स्पेक्ट्रोमीटर का आउटपुट कैसे बदलता है, जिससे उन्हें खनिज के बारे में सुराग मिलता है कि यह एक मास स्पेक्ट्रम में कैसा दिखता है। एआई एल्गोरिदम शोधकर्ताओं को मास स्पेक्ट्रोमीटर से अर्थपूर्ण पैटर्न निकालने में मदद करेंगे।

जैसा कि लिनेस को आईईईई स्पेक्ट्रम द्वारा उद्धृत किया गया है:

“यह एक स्पेक्ट्रम को वास्तव में तोड़ने और समझने में लंबा समय लग सकता है कि आप स्पेक्ट्रम में कुछ [द्रव्यमान] पर चोटियों को क्यों देख रहे हैं। इसलिए, आप जो कुछ भी कर सकते हैं वह वैज्ञानिकों को एक दिशा में इंगित करता है जो कहता है, ‘चिंता न करें, मुझे पता है कि यह इस प्रकार की चीज या उस प्रकार की चीज नहीं है,’ वे जल्दी से पहचान सकते हैं कि इसमें क्या है।”

लिनेस के अनुसार, एक्सोमार्स मिशन मास स्पेक्ट्रम की व्याख्या में मदद करने के लिए डिज़ाइन किए गए एआई एल्गोरिदम के लिए एक उत्कृष्ट परीक्षण मामला होगा।

जीवन विज्ञान के क्षेत्र में एआई और मशीन लर्निंग के लिए अन्य संभावित अनुप्रयोग हैं। ड्रैगनफ्लाई ड्रोन, और संभावित रूप से एक भविष्य के मिशन, पृथ्वी से दूर और कठोर वातावरण में संचालित होगा और यह नेविगेशन और डेटा के संचार के पहलुओं को स्वचालित करने की आवश्यकता होगी।