NASA, Mars’ta Yabancı Yaşam Aramalarını Geliştirmek için Makine Öğrenimini Kullanacak

NASA’daki araştırmacılar, gelecekteki keşif görevlerinin güneş sistemimizdeki diğer gezegenlerde yaşam kanıtlarını bulmasına yardımcı olacak bir pilot AI sistemi üzerinde yoğun olarak çalışıyorlar. Makine öğrenimi algoritmaları, keşif cihazlarının Mars’ta toprak örneklerini analiz etmesine ve NASA’ya en ilgili verileri döndürmesine yardımcı olacak. Pilot program şu anda, 2022 ortasında fırlatılması planlanan ExoMars görevi sırasında bir test çalışması için planlanmıştır.

IEEE Spectrum’un bildirdiği gibi, diğer gezegenlerde yaşam aramalarına yardımcı olmak için makine öğrenimi ve yapay zekanın kullanılmasına karar verilmesi, büyük ölçüde NASA’nın Goddard Planetary Environments Lab başkanı Erice Lyness tarafından yönetildi. Lyness, güneş sistemimizin diğer bölgelerinden alınan örneklerin jeokimyasal analizlerinin otomatikleştirilmesi yollarını bulmak zorunda kaldı. Lyness, makine öğreniminin, Mars araziler gibi keşif araçlarının gerçekleştirmesi gereken görevlerin çoğunu, včetně Mars toprak örneklerinin toplama ve analizini otomatikleştirmeye yardımcı olabileceğine karar verdi.

ExoMars arazı aracı Roslanind Franklin, en az iki metre derinliğe kadar Mars toprağına delme kapasitesine sahip olacak. Bu derinlikte, orada yaşayan mikroplar güneş ışığının UV ışığı tarafından öldürülmediği için, arazi aracının yaşayan bakterileri bulması mümkün olacak. Canlı bakteri örnekleri bulunamazsa, delme işleminin, daha önce yaşam için daha elverişli olan dönemlerden kalan Mars’ta yaşamın fosilleşmiş kanıtlarını bulması mümkün olabilir. Arazi aracının delme işleminin bulduğu örnekler, analiz amacıyla bir kütle spektrometresine verilecek.

Kütle spektrometresinin amacı, verilen bir örnekteki iyonların kütle dağılımını incelemektir. Bu, toprak örneğine bir lazer kullanılması ve ardından farklı moleküllerden atomik kütle hesaplanmasıyla gerçekleştirilir. Bu işlem, bir kütle spektrumu üretir ve araştırmacılar, spektrumda gördükleri desenlerin neden ortaya çıktığını anlamak için bu spektrumu analiz edecekler. Ancak, kütle spektrometresinin ürettiği spektrumlar ile ilgili bir sorun vardır. Çeşitli bileşikler, çok çeşitli farklı spektrumlar üretir. Bir kütle spektrumunu analiz etmek ve örnekteki bileşikleri belirlemek bir bulmaca gibidir, ancak makine öğrenimi algoritmaları yardımcı olabilir.

Araştırmacılar, montmorillonit adlı bir minerali inceliyorlar. Montmorillonit, genellikle Mars toprağında bulunur ve araştırmacılar, bu mineralin bir kütle spektrumunda nasıl ortaya çıkabileceğini anlamaya çalışıyorlar. Araştırmacılar, montmorillonit örneklerini ekleyerek, kütle spektrometresinin çıktısını nasıl değiştirdiğini görmek için çalışıyorlar, bu da onlara, mineralin bir kütle spektrumunda nasıl görünebileceğine dair ipuçları veriyor. AI algoritmaları, araştırmacılara, kütle spektrometresinden anlamlı desenler çıkarmalarına yardımcı olacak.

Lyness, IEEE Spectrum’a yaptığı açıklamada şunları söyledi:

“Bir spektrumu gerçekten parçalamak ve neden spektrumda belirli kütlelerde pikler gördüğünü anlamak uzun zaman alabilir. Bu nedenle, bilim adamlarına, ‘Endişelenmeyin, bunun bu tür bir şey veya başka bir şey olmadığını biliyorum’ diyen her şeyi yapabilirsiniz, böylece daha nhanh bir şekilde içinde ne olduğunu belirleyebilirler.”

Lyness’e göre, ExoMars görevi, kütle spektrumlarını yorumlamaya yardımcı olmak için tasarlanan AI algoritmaları için mükemmel bir test oluşturacak.

Astrobiyoloji alanında AI ve makine öğrenimi için diğer potansiyel uygulamalar da vardır. Dragonfly drone ve potansiyel olarak başka bir gelecek görevi, Dünya’dan daha uzakta ve daha zorlu ortamlarda çalışacak ve navigasyon ve veri iletiminin otomatikleştirilmesi gerekecek.