NASA gebruikt momenteel A.I. voor ruimtewetenschap

In een verklaring die vorige maand door NASA is vrijgegeven, zei het agentschap dat A.I. het potentieel heeft om te helpen bij het oplossen van enkele van de grootste problemen in de ruimtewetenschap. A.I. kan worden gebruikt om naar leven op andere planeten te zoeken of om asteroiden te identificeren. NASA-wetenschappers werken samen met leiders in de AI-industrie, zoals Intel, IBM en Google. Samen kunnen ze geavanceerde computeralgoritmen toepassen om enkele van deze problemen op te lossen. 

Er zijn bepaalde A.I.-technologieën waarop NASA vertrouwt, zoals machine learning, om gegevens te interpreteren. Deze gegevens zullen dan worden verzameld door telescopen, waaronder de James Webb Space Telescoop of de Transiting Exoplanet Survey Satellite, op een bepaald moment in de toekomst.

Giada Arney, een astrobioloog bij het Goddard Space Flight Center van NASA in Greenbelt, Maryland, hoopt dat machine learning haar en haar team kan helpen om enkele indicaties van leven te vinden in de gegevens die door de telescopen en observatoria worden verzameld. 

“Deze technologieën zijn erg belangrijk, vooral voor grote datasets en vooral op het gebied van exoplaneten,” zei Arney in de verklaring. “Omdat de gegevens die we uit toekomstige observaties zullen krijgen, schaars en lawaaierig zullen zijn. Het zal heel moeilijk zijn om te begrijpen. Het gebruik van dit soort tools heeft dus veel potentieel om ons te helpen.”

NASA heeft een achtwekenprogramma dat elke zomer wordt gehouden en dat leiders uit de technologie- en ruimtesector samenbrengt, genaamd Frontier Development (FDL).

Shawn Domagl-Goldman is een astrobioloog bij NASA Goddard. 

“FDL voelt als een groep heel goede muzikanten met verschillende instrumenten die samenkomt voor een jamsessie in de garage, iets cools vinden en zeggen: ‘Hey, we hebben een band hier,'” zei hij in de verklaring.

In 2018 ontwikkelde een FDL-team, onder begeleiding van Domagal-Goldman en Arney, een machine learning-techniek die vertrouwt op neurale netwerken. Zij analyseren afbeeldingen en identificeren de chemie van exoplaneten door de golflengtes van licht te gebruiken die door moleculen in hun atmosfeer worden uitgezonden of geabsorbeerd. 

Door het gebruik van deze nieuwe techniek konden onderzoekers verschillende moleculen in de atmosfeer van de exoplaneet WASP-12b identificeren. De techniek deed dit nauwkeuriger dan andere methoden. 

Volgens Domagal-Goldman kan het neurale netwerk ook identificeren wanneer er een gebrek aan gegevens is. De Bayesiaanse techniek, zoals het wordt genoemd, kan ook wetenschappers vertellen hoe zeker het is van zijn voorspelling. 

“In plaatsen waar de gegevens niet goed genoeg waren om een echt nauwkeurig resultaat te geven, was dit model beter in het weten dat het niet zeker was van het antwoord, wat echt belangrijk is als we deze voorspellingen willen vertrouwen,” zei Domagal-Goldman.

De Bayesiaanse techniek wordt nog steeds ontwikkeld, maar andere FDL-technologieën worden in de praktijk gebruikt. In 2017 ontwikkelden FDL-deelnemers een machine learning-programma dat in staat was om snel 3D-modellen van nabije asteroiden te maken. Het kon ook nauwkeurig de vormen, afmetingen en rotatiesnelheden schatten. Dit soort informatie is nuttig voor NASA om asteroiden die de aarde bedreigen te detecteren en af te weren. 

Astronomen gebruiken traditioneel eenvoudige computerprogramma’s om 3D-modellen te maken, en analyseren radarmetingen van een bewegende asteroide. Vervolgens geven ze nuttige informatie om wetenschappers te helpen bij het afleiden van zijn fysieke eigenschappen op basis van veranderingen in het radarsignaal. 

Bill Diamond is de president en CEO van SETI. 

“Een ervaren astronoom met standaard rekenbronnen kan een enkele asteroide in één tot drie maanden vormgeven,” zei Diamond. “Dus de vraag voor het onderzoeksteam was: Kunnen we het versnellen?”

Het team, bestaande uit studenten uit Frankrijk, Zuid-Afrika en de Verenigde Staten, evenals mentoren uit de academische wereld en het technologiebedrijf Nividia, ontwikkelde een algoritme dat in staat was om een asteroide te renderen in slechts vier dagen. De techniek wordt momenteel gebruikt door astronomen bij de Arecibo Observatory in Puerto Rico, en doet real-time vormmodellering van de asteroiden. 

Onderzoekers suggereren ook dat A.I.-technologieën in toekomstige ruimtevaartuigen moeten worden ingebouwd, en dat dit de ruimtevaartuigen in staat zou stellen om in real-time beslissingen te nemen.

“A.I.-methoden zullen ons helpen om verwerkingseenheden van onze eigen hersenen te vrijmaken door veel van het initiële werk voor moeilijke taken te doen,” zei Arney. “Maar deze methoden zullen mensen niet binnenkort vervangen, omdat we nog steeds de resultaten moeten controleren.”