NASA, 마스에서 외계 생명체를 찾기 위해 기계 학습을 사용한다

NASA의 연구자들은 다른 행성에서 생명체를 찾는 미래의 탐사 임무를 도와주는 시험용 AI 시스템을 개발하기 위해 열심히 일하고 있습니다. 기계 학습 알고리즘은 마스에서 토양 샘플을 분석하는 탐사 장치를 도와주고 가장 관련된 데이터를 NASA에 반환할 것입니다. 이 시험 프로그램은 현재 2022년 중반에 발사될 예정인 ExoMars 임무에서 테스트될 예정입니다.

IEEE Spectrum에 따르면, 다른 행성에서 생명체를 찾는 것을 도와주는 기계 학습과 인공 지능을 사용하기로 결정한 것은 주로 NASA의 고다드 행성 환경 연구소의 책임자 인 에리스 린есс(Erice Lyness)입니다. 린есс는 다른 행성에서 채취한 샘플의 지화학적 분석의 일부를 자동화하는 방법을 생각해야 했습니다. 린есс는 기계 학습이 마스 로버와 같은 탐사 장치가 수행해야 하는 많은 작업을 자동화하는 데 도움이 될 수 있다고 판단했습니다. 이러한 작업에는 마스 토양 샘플의 수집과 분석이 포함됩니다.

ExoMars 로버 로슬린드 프랭클린(Roslanind Franklin)은 마스 토양을 최소 2미터 깊이까지钻探할 수 있습니다. 이러한 깊이에서는 미생물이 살아남을 수 있습니다. 로버가 살아있는 박테리아를 찾을 수 있습니다. 살아있는 박테리아 샘플이 발견되지 않더라도 로버가 마스에서 이전에 생명체가 존재했음을 나타내는 화석 증거를 찾을 수 있습니다. 로버의 드릴이 찾은 샘플은 분석을 위해 질량 분석기라는 기기로 전송됩니다.

질량 분석기의 목적은 주어진 샘플 내에서 이온의 질량 분포를 연구하는 것입니다. 이는 샘플에 레이저를 사용하여 샘플 내의 분자를 해방시키고 다양한 분子的 원자 질량을 계산하여 수행됩니다. 이 과정은 질량 스펙트럼을 생성하며 연구자들은 스펙트럼에서 볼 수 있는 패턴의 스파이크가 발생하는 이유를 분석할 것입니다. 그러나 질량 분석기로 생성된 스펙트럼에는 문제가 있습니다. 다양한 화합물은 다양한 스펙트럼을 생성합니다. 스펙트럼을 분석하여 샘플 내의 화합물을 결정하는 것은 퍼즐입니다. 그러나 기계 학습 알고리즘은 도움이 될 수 있습니다.

연구자들은 몬트모리론라이트라는 광물을 연구하고 있습니다. 몬트모리론라이트는 일반적으로 마스 토양에서 발견되며 연구자들은 이 광물이 질량 스펙트럼에서 어떻게 나타나는지 이해하려고 합니다. 연구 팀은 몬트모리론라이트 샘플을 포함하여 질량 분석기의 출력이 어떻게 변경되는지 확인하여 연구자들에게 스펙트럼에서 이 광물이 어떻게 보이는지에 대한 단서를 제공합니다. AI 알고리즘은 연구자들이 질량 분석기에서 유의미한 패턴을 추출하는 것을 도와줄 것입니다.

린есс는 IEEE Spectrum과 인터뷰에서 다음과 같이 말했습니다.

“스펙트럼을 분해하고 특정 질량에서 스펙트럼에서 피크가 왜 발생하는지 이해하는 데 많은 시간이 걸릴 수 있습니다. 따라서 과학자들이 특정 종류의 것이 아니라는 것을 알 수 있도록 지시하는 모든 것이 중요합니다. 그러면 과학자들은 더 빠르게 무엇이 있는지 식별할 수 있습니다.”

린есс에 따르면 ExoMars 임무는 질량 스펙트럼을 해석하는 데 도움이 되는 AI 알고리즘을 테스트하는 데 탁월한 사례가 될 것입니다.

천체생물학 분야에서 기계 학습과 인공 지능을 사용할 수 있는 다른 잠재적인 응용 프로그램이 있습니다. 드래곤플라이 드론과 미래의 임무는 지구에서 더远 거리에 있고 더 가혹한 환경에서 작동할 것입니다. 이러한 임무에서는 탐색 및 데이터 전송의 일부를 자동화해야 합니다.