NASAは現在、宇宙科学のためにA.I.を使用している

NASAは先月、声明を発表し、A.I.は宇宙科学の最大の問題の一部を解決するのに役立つ可能性があると述べた。A.I.は、他の惑星での生命の探索や小惑星の特定に使用できる。NASAの科学者は、Intel、IBM、GoogleなどのAI業界のリーダーと提携している。彼らは一緒に、複雑な問題を解決するために高度なコンピュータアルゴリズムを適用できる。

NASAは、データを解釈するためにマシンラーニングなどのA.I.技術に依存している。このデータは、将来、ジェームズ・ウェッブ宇宙望遠鏡やトランジット・エクソプラネット・サーベイ・サテライトなどの望遠鏡によって収集される。

NASAのゴダード宇宙飛行センターの天体生物学者であるGiada Arneyは、望遠鏡や観測所によって収集されるデータから生命の兆候を見つけるのを助けるために、マシンラーニングが役立つことを希望している。

「これらの技術は、特に大規模なデータセットや太陽系外惑星の分野では非常に重要です」とArneyは声明で述べた。「将来の観測で得られるデータは希薄でノイズが多く、理解するのが非常に難しいでしょう。したがって、これらのツールを使用することで、非常に大きな潜在性があります。」

NASAは、毎年夏に技術と宇宙の分野のリーダーを集めて、フロンティア開発（FDL）という8週間のプログラムを実施している。

NASAのゴダード宇宙飛行センターの天体生物学者であるShawn Domagl-Goldmanは、

「FDLは、異なる楽器を持つ素晴らしいミュージシャンがガレージでジャムセッションを行い、本当にクールなものを見つけ、バンドを結成するようなものです」と声明で述べた。

2018年、FDLチームはDomagal-GoldmanとArneyの指導を受けて、ニューラルネットワークに依存するマシンラーニング技術を開発した。彼らは、分子が大気中で放出または吸収する光の波長を使用して、画像を分析し、太陽系外惑星の大気の化学を特定した。

この新しい技術を使用して、研究者はWASP-12bという太陽系外惑星の大気中のさまざまな分子を特定することができた。 この技術は他の方法よりも正確にこれを行った。

Domagal-Goldmanによると、ニューラルネットワークはまた、データが不足していることを特定することができる。ベイズ法と呼ばれるこの技術は、科学者がその予測についてどれだけ自信を持っているかを示すこともできる。

「結果が非常に正確でない場所では、このモデルは答えが不確かであることを知ることができたので、信頼できる予測をする上で非常に重要です」とDomagal-Goldmanは述べた。

ベイズ法はまだ開発中であるが、他のFDL技術は実際の世界で使用されている。2017年、FDL参加者によって開発されたマシンラーニングプログラムは、近くの小惑星の3Dモデルを作成し、形状、サイズ、自転速度を正確に推定することができた。このような情報は、NASAが地球に接近する小惑星を検出して回避するのに役立つ。

天文学者は従来、移動する小惑星のレーダー測定を分析するためのシンプルなコンピューターソフトウェアを使用して、3Dモデルを作成し、レーダーシグナルの変化に基づいてその物理的特性を推定するために役立つ情報を提供する。

SETIの社長兼CEOであるBill Diamondは、

「標準的なコンピューターリソースを持つ熟練した天文学者は、1つから3ヶ月かけて小惑星を形作ることができます。したがって、研究チームの質問は、速度を上げることができるかどうかでした」と述べた。

フランス、南アフリカ、米国の学生と、学術界およびNividia社のメンターからなるチームは、わずか4日で小惑星をレンダリングできるアルゴリズムを開発した。この技術は現在、プエルトリコのアレシボ天文台で使用されており、実時間で小惑星の形状をモデル化している。

研究者は、A.I.技術を将来の宇宙船に組み込むことも提案しており、これにより宇宙船が実時間で決定を下すことができるようになる。

「A.I.方法は、難しいタスクの初期の作業を実行することで、私たちの脳からの処理能力を解放するのに役立ちます。しかし、これらの方法は人間を置き換えることはなく、結果を確認する必要があるためです」とArneyは述べた。