NASA irá usar Aprendizado de Máquina para Melhorar a Busca por Vida Alienígena em Marte

Pesquisadores da NASA vêm trabalhando arduamente em um sistema de IA piloto destinado a ajudar missões de exploração futuras a encontrar evidências de vida em outros planetas de nosso sistema solar. Algoritmos de aprendizado de máquina ajudarão dispositivos de exploração a analisar amostras de solo em Marte e retornar os dados mais relevantes para a NASA. O programa piloto está atualmente programado para um teste durante a missão ExoMars que será lançada em meados de 2022.

Como relata o IEEE Spectrum, a decisão de usar aprendizado de máquina e inteligência artificial para ajudar na busca por vida em outros planetas foi impulsionada em grande parte por Erice Lyness, chefe do Laboratório de Ambientes Planetários Goddard da NASA. Lyness precisava encontrar maneiras de automatizar aspectos das análises geoquímicas de amostras coletadas em outras partes de nosso sistema solar. Lyness decidiu que o aprendizado de máquina poderia ajudar a automatizar muitas das tarefas que as naves de exploração, como os rovers de Marte, devem realizar, incluindo a coleta e análise de amostras de solo marciano.

O rover ExoMars Roslanind Franklin será capaz de perfurar pelo menos dois metros de profundidade no solo marciano. Nessa profundidade, qualquer microorganismo que viva lá não terá sido morto pela luz UV do sol. Isso torna possível que o rover encontre bactérias vivas. Mesmo que não sejam encontradas bactérias vivas, é possível que o perfurador encontre evidências fossilizadas de vida em Marte, preservadas de eras anteriores quando o planeta era mais hospitaleiro à vida. As amostras que o perfurador do rover encontrar serão entregues a um instrumento chamado espectrômetro de massa para análise.

O propósito do espectrômetro de massa é estudar a distribuição de massa nos íons encontrados em uma amostra determinada. Isso é realizado usando um laser na amostra de solo, que libera moléculas na amostra de solo, e então calculando a massa atômica a partir das diferentes moléculas. Esse processo produz um espectro de massa, que os pesquisadores analisarão para discernir por que os padrões de picos que estão vendo no espectro podem estar ocorrendo. Há um problema com os espectros gerados pelo espectrômetro de massa, no entanto. Vários compostos produzem uma ampla variedade de diferentes espectros. É um quebra-cabeça analisar um espectro de massa e determinar quais compostos estão dentro da amostra, mas algoritmos de aprendizado de máquina podem ajudar.

Os pesquisadores estão estudando um mineral chamado montmorilonite. A montmorilonite é comumente encontrada no solo marciano, e os pesquisadores visam entender como o mineral pode se manifestar dentro de um espectro de massa. A equipe de pesquisadores inclui amostras de montmorilonite para ver como a saída do espectrômetro de massa muda, dando-lhes pistas sobre como o mineral parece dentro de um espectro de massa. Os algoritmos de IA ajudarão os pesquisadores a extrair padrões significativos do espectrômetro de massa.

Como Lyness foi citado pelo IEEE Spectrum:

“Pode levar um longo tempo para realmente quebrar um espectro e entender por que você está vendo picos em certas [massas] no espectro. Então, qualquer coisa que você possa fazer para apontar os cientistas em uma direção que diga: ‘Não se preocupe, eu sei que não é este tipo de coisa ou aquela coisa’, eles podem identificar mais rapidamente o que está lá.”

De acordo com Lyness, a missão ExoMars será um excelente caso de teste para os algoritmos de IA projetados para ajudar a interpretar os espectros de massa gerados pelas amostras.

Há outras aplicações potenciais para IA e aprendizado de máquina no campo da astrobiologia. O drone Dragonfly, e potencialmente outra missão futura, operarão mais longe da Terra e em ambientes mais hostis e exigirão a automação de aspectos de navegação e transmissão de dados.