NASA wykorzysta uczenie maszynowe, aby poprawić poszukiwania życia na Marsie

Naukowcy z NASA pracowali ciężko nad pilotażowym systemem AI, który ma pomóc w przyszłych misjach eksploracyjnych w poszukiwaniu dowodów na życie 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 testów 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 zautomatyzowanie aspektów analiz geochemicznych próbek pobranych z innych części naszego układu słonecznego. Lyness zdecydował, że uczenie maszynowe może pomóc zautomatyzować wiele zadań, które muszą wykonywać statki eksploracyjne, takie jak łaziki marsjańskie, w tym zbieranie i analizę próbek gleby marsjańskiej.

Łazik ExoMars Roslanind Franklin będzie mógł wiercić się co najmniej dwa metry głęboko w glebę marsjańską. Na tej głębokości jakiekolwiek mikroorganizmy żyjące tam nie zostaną zabite przez promieniowanie UV słońca. To sprawia, że jest możliwe, że łazik może znaleźć żywe bakterie. Nawet jeśli nie zostaną znalezione żywe bakterie, jest możliwe, że wiertło może znaleźć skamieniałe dowody 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.

Spektrometr masowy służy do badania rozkładu masy jonów w danej próbce. To jest osiągane poprzez zastosowanie lasera do próbki gleby, co uwalnia molekuły w próbce, a następnie obliczanie masy atomowej z różnych molekuł. Ten proces produkuje widmo masowe, które naukowcy będą analizować, aby zrozumieć, dlaczego występują pewne wzory w widmie. Istnieje problem z widmami generowanymi przez spektrometr masowy. Różne związki produkują wiele różnych widm. To jest puzzle, aby analizować widmo masowe i określić, jakie związki są w próbce, ale algorytmy uczenia maszynowego mogą pomóc.

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

Jak cytowany jest Lyness przez IEEE Spectrum:

“Mogłoby to zająć dużo czasu, aby naprawdę rozbić widmo i zrozumieć, dlaczego widzimy szczyty w pewnych 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 tam”.

Według 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. Sonda Dragonfly, a potencjalnie kolejna przyszła misja, będą działać dalej od Ziemi i w bardziej ekstremalnych środowiskach, co wymaga zautomatyzowania aspektów nawigacji i transmisji danych.