НАСА використовуватиме машинне навчання для покращення пошуку позаземного життя на Марсі

Дослідники в НАСА працюють над пілотною системою штучного інтелекту, призначеною для допомоги майбутнім експедиціям у пошуку ознак життя на інших планетах нашої сонячної системи. Алгоритми машинного навчання допоможуть пристроям для дослідження аналізувати зразки ґрунту на Марсі та повертати найбільш актуальні дані в НАСА. Пілотна програма зараз запланована для тестового запуску під час місії ExoMars, яка запуститься в середині 2022 року.

Як повідомляє IEEE Spectrum, рішення використовувати машинне навчання та штучний інтелект для допомоги у пошуку життя на інших планетах було прийнято головним чином Еріком Лайнессом, керівником лабораторії планетарних середовищ Годдарда в НАСА. Лайнессу потрібно було знайти способи автоматизації аспектів геохімічного аналізу зразків, взятих в інших частинах нашої сонячної системи. Лайнесс вирішив, що машинне навчання може допомогти автоматизувати багато завдань, які космічні апарати, такі як марсоходи, повинні виконувати, включаючи збирання та аналіз зразків марсіанського ґрунту.

Марсоход ExoMars Roslanind Franklin зможе бурити не менше двох метрів у глибину марсіанського ґрунту. На цій глибині будь-які мікроорганізми, що живуть там, не будуть убиті ультрафіолетовим світлом сонця. Це робить можливим, що марсоход зможе знайти живі бактерії. Навіть якщо живі бактерії не будуть знайдені, можливо, що бур буде знаходитись викопні ознаки життя на Марсі, що збереглися з попередніх епох, коли планета була більш придатна для життя. Зразки, знайдені буром, будуть передані на інструмент, називається мас-спектрометр, для аналізу.

Мас-спектрометр призначений для вивчення розподілу маси в іонах, знайдених у зразку. Це досягається шляхом використання лазера на зразку ґрунту, який звільняє молекули у зразку ґрунту, а потім обчислює атомну масу з різних молекул. Цей процес створює мас-спектр, який дослідники будуть аналізувати, щоб зрозуміти, чому вони бачать певні закономірності у спектрі. Однак існує проблема зі спектрами, генерованими мас-спектрометром. Різні сполуки створюють широкий спектр різних спектрів. Це пазл аналізувати мас-спектр та визначити, які сполуки присутні у зразку, але алгоритми машинного навчання можуть допомогти.

Дослідники вивчають мінерал, називається монтморилоніт. Монтморилоніт часто зустрічається у марсіанському ґрунті, і дослідники намагаються зрозуміти, як цей мінерал може проявитися у мас-спектрі. Команда дослідників включає зразки монтморилоніту, щоб побачити, як вивід мас-спектрометра змінюється, надавши їм підказки щодо того, як мінерал виглядає у мас-спектрі. Алгоритми штучного інтелекту допоможуть дослідникам витягнути корисні закономірності з мас-спектрометра.

Як Лайнесс сказав IEEE Spectrum:

“Це може зайняти багато часу, щоб дійсно розібрати спектр та зрозуміти, чому ви бачите піки у певних масах у спектрі. Тому все, що ви можете зробити, щоб вказати вченим у напрямку, який говорить: «Не турбуйтеся, я знаю, що це не такий тип або такий тип», вони можуть швидше визначити, що там є.”

За словами Лайнесса, місія ExoMars буде чудовим тестовим випадком для алгоритмів штучного інтелекту, призначених для допомоги у інтерпретації мас-спектрів, згенерованих зразками.

Є інші потенційні застосування штучного інтелекту та машинного навчання у галузі астробіології. Беспілотник Dragonfly та потенційно інша майбутня місія будуть працювати далі від Землі та у більш жорстких умовах, і їм буде потрібно автоматизувати аспекти навігації та передачі даних.