NASA、火星での異星人生命体の探索を強化するためにマシンラーニングを使用

NASAの研究者は、将来の探索ミッションが太陽系の他の惑星で生命の証拠を見つけるのを助けるために、パイロットAIシステムに取り組んでいます。マシンラーニングアルゴリズムは、探索デバイスが火星の土壌サンプルを分析し、NASAに最も関連のあるデータを返すのを助けます。パイロットプログラムは、2022年中頃に打ち上げられる予定のExoMarsミッションでテストされる予定です。

IEEE Spectrumによると、他の惑星での生命探索を支援するためにマシンラーニングと人工知能を使用するという決定は、主にNASAのゴダード惑星環境研究所の責任者であるエリース・ライネスによって推進されました。ライネスは、火星ローバーなどの探索機が実行しなければならないタスクの多くを自動化する方法を見つける必要がありました。ライネスは、マシンラーニングが、火星の土壌サンプルの収集と分析などのタスクを自動化するのを助けることができると考えました。

ExoMarsローバーのロズリンフランクリンは、火星の土壌を少なくとも2メートルの深さまで掘削することができます。この深さでは、太陽のUV光によってまだ殺されていない微生物が存在する可能性があります。したがって、ローバーが生きている細菌を見つける可能性があります。生きている細菌のサンプルが見つからない場合でも、ドリルが火星での生命の化石証拠を見つける可能性があります。これは、火星がより生命に適した環境だった以前の時代からのものです。ローバーのドリルによって見つかったサンプルは、分析のためにマススペクトロメーターに渡されます。

マススペクトロメーターの目的は、与えられたサンプル内のイオンの質量の分布を研究することです。これは、土壌サンプルにレーザーを使用して、土壌サンプル内の分子を解放し、さまざまな分子の原子質量を計算することで実現されます。このプロセスにより、質量スペクトルが生成され、研究者はスペクトル内のスパイクのパターンがなぜ発生するのかを分析します。ただし、マススペクトロメーターによって生成されるスペクトルには問題があります。さまざまな化合物は、さまざまなスペクトルを生成します。マススペクトルを分析し、サンプル内の化合物を決定するのは難しいパズルですが、マシンラーニングアルゴリズムが助けることができます。

研究者は、モンモリロナイトと呼ばれる鉱物を研究しています。モンモリロナイトは、火星の土壌内で一般的に見られ、研究者は、モンモリロナイトがマススペクトル内でどのように現れるかを理解しようとしています。研究チームは、モンモリロナイトのサンプルを含めて、マススペクトロメーターの出力がどのように変化するかを確認し、モンモリロナイトがマススペクトル内でどのように見えるかについてのヒントを得ています。AIアルゴリズムは、研究者がマススペクトロメーターから有意なパターンを抽出するのを助けます。

ライネスはIEEE Spectrumに引用されているように、

「スペクトルを分解し、スペクトル内の特定の質量でのピークがなぜ発生するのかを理解するには、長い時間がかかることがあります。したがって、科学者が気にする必要のないものを指摘し、ある種のものや別の種のものではないことを示すことができれば、科学者はより迅速に何が含まれているかを特定できます。」

ライネスによると、ExoMarsミッションは、マススペクトルを解釈するのを助けるために設計されたAIアルゴリズムをテストするための優れたテストケースになります。

天体生物学の分野では、AIとマシンラーニングのその他の潜在的な応用があります。ドラゴンフライドローンと、将来的に別のミッションが、地球から遠く離れた場所で、より厳しい環境で運用され、ナビゲーションとデータの送信の面で自動化が必要になります。