NASA, Mars’ta Yabancı Hayat Aramayı Geliştirmek için Makine Öğrenimini Kullanacak

NASA’daki araştırmacılar, gelecekteki keşif görevlerinin güneş sistemimizdeki diğer gezegenlerde hayat kanıtlarını bulmasına yardımcı olacak bir pilot AI sistemi üzerinde çalışıyorlar. Makine öğrenimi algoritmaları, Mars’ta toprak örneklerinin analizini yapan keşif cihazlarına yardımcı olacak ve en ilgili verileri NASA’ya geri gönderecek. Pilot program şu anda 2022 ortalarında fırlatılması planlanan ExoMars görevi sırasında test edilecek.

IEEE Spectrum’un raporuna göre, diğer gezegenlerde hayat aramaya yardımcı olmak için makine öğrenimi ve yapay zekanın kullanılmasına karar verilmesi, büyük ölçüde NASA’nın Goddard Planetary Environments Lab başkanı Erice Lyness tarafından yönlendirildi. Lyness, güneş sistemimizin diğer bölgelerinden alınan örneklerin jeokimyasal analizlerinin otomatikleştirilmesine yönelik yollar bulmak zorunda kaldı. Lyness, makine öğreniminin, Mars gezginleri gibi keşif araçlarının gerçekleştirmesi gereken görevlerin çoğunu,包括 Martian toprak örneklerinin toplanması ve analizini otomatikleştirmeye yardımcı olabileceğine karar verdi.

ExoMars gezgini Roslanind Franklin, en az iki metre derinliğe kadar Mars toprağına delme kapasitesine sahip olacak. Bu derinlikte, herhangi bir mikrop yaşayacaktır ve güneş ışığının öldürücü etkisinden korunacaktır. Bu, gezginin yaşayan bakteri bulabileceği anlamına gelir. Yaşayan bakteri örnekleri bulunamasa bile, delme işleminin Mars’ta daha önce yaşamın var olduğu dönemlerden kalma fosil kanıtlarını bulması mümkün olabilir. Gezginin delme işleminin bulduğu örnekler, analiz amacıyla bir kütle spektrometre cihazına verilecek.

Kütle spektrometresinin amacı, verilen bir örnekteki iyonların kütle dağılımını incelemektir. Bu, toprak örneğine lazer uygulayarak, toprak örneğindeki molekülleri serbest bırakarak ve daha sonra moleküllerin atomik kütlelerini hesaplayarak gerçekleştirilir. Bu işlem, araştırmacıların spektrumdaki desenleri analiz ederek, spektrumdaki piklerin neden ortaya çıktığını anlamalarına yardımcı olan bir kütle spektrumu üretir. Ancak, kütle spektrometresinin ürettiği spektrumlar konusunda bir sorun vardır. Çeşitli bileşikler çok çeşitli farklı spektrumlar üretir. Bir kütle spektrumunu analiz etmek ve örnekte hangi bileşiklerin bulunduğunu 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 görünebileceğini anlamaya çalışıyorlar. Araştırmacılar, montmorillonit örneklerini ekleyerek, kütle spektrometresinin çıkışı nasıl değiştiğine bakıyorlar ve bu, onlara mineralin bir kütle spektrumunda nasıl görünebileceğini gösteren ipuçları veriyor. AI algoritmaları, araştırmacıların kütle spektrometresinden anlamlı desenler çıkarmalarına yardımcı olacak.

Lyness, IEEE Spectrum’a şöyle demiştir:

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

Lyness’e göre, ExoMars görevi, kütle spektrumlarını yorumlamalarına yardımcı olmak için tasarlanan AI algoritmaları için mükemmel bir test olanağı olacak.

Astrobiyoloji alanında AI ve makine öğrenimi için diğer olası uygulamalar vardır. Dragonfly dron ve muhtemelen başka bir gelecek görevi, Dünya’dan daha uzakta ve daha zorlu ortamlarda çalışacak ve navigasyon ve veri iletimi aspectsinin otomatikleştirilmesini gerektirecek.