NASA、火星での地球外生命体の探索を強化するためにマシンラーニングを利用する

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、他の惑星での生命体の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、太陽系の他の部分で採取されたサンプルの地球化学分析の自動化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、火星ローバーなどの探索クラフトが実行しなければならないタスクの多くを自動化するのを助けられると考えました。そうしたタスクには、火星の土壌サンプルの収集と分析が含まれます。

ExoMarsローバーのロズラニンド・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できます。この深さでは、太陽のUV光によって殺されることなく、微生物が生きている可能性があります。したがって、ローバーが生きたバクテリアを発見する可能性があります。生きたバクテリアのサンプルが見つからなくても、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。そうした証拠は、火星がより生命に適した時代からのものです。ローバーのドリルが見つけたサンプルは、分析のために質量分析器に渡されます。

質量分析器の目的は、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、さまざまな分子から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判断するために分析します。しかし、質量分析器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。質量スペクトルを分析して、サンプル内の化合物を決定するのは難しいですが、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質量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、質量分析器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質量スペクトル内でどのように見えるかについての手がかりを得ています。AIアルゴリズムは、研究者が質量分析器から有意義なパターンを抽出するのを助けます。

IEEE Spectrumによると、ライネスは次のように述べています。

「スペクトルを分析して、スペクトル内の特定の質量でなぜピークが見られるのかを理解するには、長い時間がかかる可能性があります。したがって、科学者が特定の方向に進むのを助けることができると、より迅速に何が見つかっているのかを判断できます。」

ライネスによると、ExoMarsミッションは、質量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他の潜在的な応用があります。ドラゴンフライ・ドローンや、将来のミッションでは、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自動化が必要になります。