NASA використовуватиме машинне навчання для покращення пошуку інопланетного життя на Марсі

Дослідники з NASA наполегливо працювали над пілотною системою ШІ, яка має допомогти майбутнім дослідницьким місіям знайти докази життя на інших планетах нашої Сонячної системи. Алгоритми машинного навчання допоможуть дослідницьким пристроям аналізувати зразки ґрунту на Марсі та повертати найбільш релевантні дані в NASA. Пілотна програма наразі планується для тестового запуску місія ExoMars який буде запущено в середині 2022 року.

Як повідомляє IEEE Spectrum, рішення використовувати машинне навчання та штучний інтелект для допомоги в пошуку життя на інших планетах було прийнято головним чином Ерісом Лайнессом, головою лабораторія планетних середовищ Годдарда в НАСА. Лайнесу потрібно було знайти способи автоматизації геохімічного аналізу зразків, взятих в інших частинах нашої Сонячної системи. Лінесс вирішив, що машинне навчання може допомогти автоматизувати багато завдань, які повинні виконувати такі дослідницькі кораблі, як марсоходи, включаючи збір і аналіз зразків марсіанського ґрунту.

Марсохід ExoMars Roslanind Franklin зможе бурити марсіанський ґрунт щонайменше на два метри. На цій глибині будь-які мікроби, що живуть там, не будуть убиті ультрафіолетовим світлом сонця. Це робить можливим те, що марсохід зможе знайти живі бактерії. Навіть якщо не буде знайдено жодних зразків живих бактерій, цілком можливо, що бур може виявити скам’янілі докази життя на Марсі, що залишилися з попередніх епох, коли планета була більш гостинною для життя. Зразки, знайдені марсоходом, будуть передані на інструмент під назвою мас-спектрометр для аналізу.

Метою мас-спектрометра є вивчення розподілу маси іонів, знайдених у даному зразку. Це досягається за допомогою лазера на зразку ґрунту, який звільняє молекули в зразку ґрунту, а потім обчислює атомну масу різних молекул. Цей процес створює мас-спектр, який дослідники проаналізують, щоб зрозуміти, чому можуть виникнути візерунки спалахів, які вони бачать у спектрі. Однак існує проблема зі спектрами, створеними мас-спектрометром. Різноманітні сполуки створюють широкий спектр різних спектрів. Це головоломка — проаналізувати мас-спектр і визначити, які сполуки містяться у зразку, але алгоритми машинного навчання можуть допомогти.

Дослідники вивчають мінерал під назвою монтморилоніт. Монтморилоніт зазвичай зустрічається в марсіанському ґрунті, і дослідники прагнуть зрозуміти, як цей мінерал може проявлятися в масовому спектрі. Команда дослідників включає зразки монтморилоніту, щоб побачити, як змінюється вихід мас-спектрометра, що дає їм підказки щодо того, як виглядає мінерал у мас-спектрі. Алгоритми штучного інтелекту допоможуть дослідникам витягнути значущі моделі з мас-спектрометра.

Як процитував Lyness IEEE Spectrum:

«Це може зайняти багато часу, щоб справді розбити спектр і зрозуміти, чому ви бачите піки на певних [масах] у спектрі. Тому все, що ви можете зробити, щоб вказати вченим напрямок, який каже: «Не хвилюйтеся, я знаю, що це не те чи інше», вони зможуть швидше визначити, що там».

За словами Лайнесса, місія ExoMars стане чудовим тестом для алгоритмів штучного інтелекту, призначених для інтерпретації спектрів мас, створених зразками.

Існують і інші потенційні застосування ШІ та машинного навчання в галузі астробіології. Дрон Dragonfly, і, можливо, інша майбутня місія, працюватиме далі від Землі та в суворіших умовах, і це вимагатиме автоматизації аспектів навігації та передачі даних.