NASA wykorzysta uczenie maszynowe do poszukiwania życia na Marsie

Naukowcy z NASA pracują nad pilotażowym systemem AI, który ma pomóc w przyszłych misjach eksploracyjnych w poszukiwaniu życia na innych planetach w naszym układzie słonecznym. Algorytmy uczenia maszynowego pomogą urządzeniom eksploracyjnym analizować próbki gleby na Marsie i zwracać najbardziej istotne dane do NASA. Program pilotażowy jest obecnie zaplanowany do testu podczas misji ExoMars, która zostanie wystrzelona w połowie 2022 roku.

Jak donosi IEEE Spectrum, decyzja o wykorzystaniu uczenia maszynowego i sztucznej inteligencji w poszukiwaniu życia na innych planetach została podjęta głównie przez Erice Lyness, szefa Laboratorium Środowisk Planetarnych Goddard w NASA. Lyness musiał znaleźć sposoby na automatyzację aspektów analizy geochemicznej próbek pobranych z innych części naszego układu słonecznego. Lyness uznał, że uczenie maszynowe może pomóc w automatyzacji wielu zadań, które muszą wykonywać statki eksploracyjne, takie jak marsjańskie łaziki, w tym zbieranie i analizę próbek gleby marsjańskiej.

Łazik ExoMars Rosalind Franklin będzie mógł wiercić się co najmniej dwa metry głęboko w marsjańskiej glebie. Na tej głębokości jakiekolwiek żywe mikroorganizmy nie zostaną zabite przez promieniowanie UV Słońca. To sprawia, że możliwe jest, że łazik może znaleźć żywe bakterie. Nawet jeśli nie zostaną znalezione żywe próbki bakterii, możliwe jest, że wiertło może znaleźć skamieniałości dowodów życia na Marsie, pochodzące z wcześniejszych er, kiedy planeta była bardziej przyjazna dla życia. Próbki, które wiertło łazika znajdzie, zostaną poddane analizie przy użyciu instrumentu zwanego spektrometrem masowym.

Celem spektrometru masowego jest badanie rozkładu masy jonów w danej próbce. To osiągane jest przez użycie lasera na próbce gleby, który uwalnia molekuły w próbce gleby, a następnie oblicza masę atomową z różnych molekuł. Ten proces produkuje widmo masowe, które naukowcy będą analizować, aby zrozumieć, dlaczego występują wzorce szczytów w widmie. Istnieje problem z widmami generowanymi przez spektrometr masowy. Różne związki produkują szeroki zakres różnych widm. To jest puzzle, aby analizować widmo masowe i określić, które związki są w próbce, ale algorytmy uczenia maszynowego mogą pomóc.

Naukowcy badają minerał zwany montmorillonitem. Montmorillonit jest powszechnie spotykany w marsjańskiej glebie, a naukowcy starają się zrozumieć, jak minerał może manifestować się w widmie masowym. Zespół naukowców obejmuje próbki montmorillonitu, aby zobaczyć, jak zmienia się wyjście spektrometru masowego, dając im wskazówki, jak minerał wygląda w widmie masowym. Algorytmy AI pomogą naukowcom w ekstrakcji istotnych wzorców z spektrometru masowego.

Jak Lyness cytuje IEEE Spectrum:

„Może to potrwać długo, aby rzeczywiście rozbić widmo i zrozumieć, dlaczego widzimy szczyty w określonych masach w widmie. Więc cokolwiek można zrobić, aby wskazać naukowcom kierunek, który mówi: «Nie martw się, wiem, że to nie jest tego rodzaju rzecz lub tamtego rodzaju rzecz», mogą one szybciej zidentyfikować, co jest w tym.»

Zdaniem Lynessa misja ExoMars będzie doskonałym przypadkiem testowym dla algorytmów AI zaprojektowanych do pomocy w interpretacji widm masowych generowanych przez próbki.

Istnieją inne potencjalne zastosowania AI i uczenia maszynowego w dziedzinie astrobiologii. Bezzałogowy statek Dragonfly i potencjalnie inna przyszła misja będą działać dalej od Ziemi i w bardziej ekstremalnych środowiskach, co wymaga automatyzacji aspektów nawigacji i transmisji danych.