La NASA utilizzerà l’apprendimento automatico per migliorare la ricerca di vita aliena su Marte

I ricercatori della NASA stanno lavorando duramente a un sistema di intelligenza artificiale pilota destinato ad aiutare le future missioni di esplorazione a trovare prove di vita su altri pianeti del nostro sistema solare. Gli algoritmi di apprendimento automatico aiuteranno i dispositivi di esplorazione ad analizzare i campioni di suolo su Marte e a restituire i dati più rilevanti alla NASA. Il programma pilota è attualmente previsto per un test durante la missione ExoMars che sarà lanciata a metà del 2022.

Come riporta IEEE Spectrum, la decisione di utilizzare l’apprendimento automatico e l’intelligenza artificiale per aiutare la ricerca di vita su altri pianeti è stata guidata in gran parte da Erice Lyness, capo del Laboratorio di ambienti planetari di Goddard della NASA. Lyness doveva trovare modi per automatizzare aspetti delle analisi geochimiche dei campioni prelevati in altre parti del nostro sistema solare. Lyness ha deciso che l’apprendimento automatico potrebbe aiutare ad automatizzare molti dei compiti che i veicoli di esplorazione come i rover marziani devono eseguire, compresa la raccolta e l’analisi dei campioni di suolo marziano.

Il rover ExoMars Roslanind Franklin sarà in grado di perforare il suolo marziano fino a due metri di profondità. A questa profondità, eventuali microrganismi viventi non saranno stati uccisi dalla luce UV del sole. Ciò rende possibile che il rover possa trovare batteri viventi. Anche se non vengono trovati campioni di batteri viventi, è possibile che il trapano possa trovare prove fossili di vita su Marte, risalenti a epoche precedenti quando il pianeta era più ospitale per la vita. I campioni che il trapano del rover troverà saranno dati a uno strumento chiamato spettrometro di massa per l’analisi.

Lo scopo dello spettrometro di massa è studiare la distribuzione della massa nelle ionizzazioni presenti in un dato campione. Ciò viene fatto utilizzando un laser sul campione di suolo, che libera le molecole nel campione di suolo, e quindi calcolando la massa atomica dalle diverse molecole. Questo processo produce uno spettro di massa, che i ricercatori analizzeranno per capire perché i modelli di picchi che stanno vedendo nello spettro potrebbero verificarsi. C’è un problema con gli spettri generati dallo spettrometro di massa, tuttavia. Vari composti producono una vasta gamma di spettri diversi. È un puzzle analizzare uno spettro di massa e determinare quali composti sono presenti nel campione, ma gli algoritmi di apprendimento automatico potrebbero aiutare.

I ricercatori stanno studiando un minerale chiamato montmorillonite. La montmorillonite si trova comunemente nel suolo marziano e i ricercatori stanno cercando di capire come il minerale potrebbe manifestarsi all’interno di uno spettro di massa. Il team di ricercatori include campioni di montmorillonite per vedere come l’output dello spettrometro di massa cambia, fornendo loro indizi su come il minerale appare all’interno di uno spettro di massa. Gli algoritmi di intelligenza artificiale aiuteranno i ricercatori a estrarre modelli significativi dallo spettrometro di massa.

Come Lyness è stato citato da IEEE Spectrum:

“Potrebbe volerci molto tempo per analizzare realmente uno spettro e capire perché si vedono picchi a certe masse nello spettro. Quindi, tutto ciò che si può fare per indicare ai ricercatori una direzione che dice: ‘Non preoccuparti, so che non è questo tipo di cosa o quell’altro’, possono identificare più velocemente cosa c’è dentro.”

Secondo Lyness, la missione ExoMars sarà un ottimo caso di test per gli algoritmi di intelligenza artificiale progettati per aiutare a interpretare gli spettri di massa generati dai campioni.

Ci sono altre potenziali applicazioni per l’intelligenza artificiale e l’apprendimento automatico nel campo dell’astrobiologia. Il drone Dragonfly, e potenzialmente un’altra futura missione, opereranno più lontano dalla Terra e in ambienti più ostili e richiederanno l’automatizzazione di aspetti della navigazione e della trasmissione dei dati.